[發明專利]一種自動標注方法、裝置及存儲介質

在審

• 申請號: 202111258064.8
• 申請日: 2021-10-27
• 公開（公告）號: CN114092689A
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 周開龍;張玥;陳穎輝;元敏杰
• 申請（專利權）人: 上海小零網絡科技有限公司
• 主分類號: G06V10/24
• 分類號: G06V10/24;G06V10/26;G06V10/75;G06V10/774;G06K9/62
• 代理公司: 北京萬思博知識產權代理有限公司 11694
• 代理人: 秦賀余

1.一種自動標注方法，其特征在于，所述方法包括：

獲取未標注圖像數據，并利用預設輪廓分析模型對所述未標注圖像數據中的第一目標對象進行定位，確定每個第一目標對象對應的空標簽；

基于所述空標簽的位置信息對所述未標注圖像數據進行切割，獲取第一目標對象；

確定每個第一目標對象的清晰度類型，并根據清晰度類型確定第二目標對象；

將所述第二目標對象和預設單品圖進行特征點匹配，確定預設單品圖和每個第二目標對象對應的特征點匹配數量；

基于所述特征點匹配數量選取預設數量的第二目標對象，并根據所述單品圖的標注信息對選取的預設數量的第二目標對象進行標注，以獲取標注數據。

2.根據權利要求1所述的方法，其特征在于，所述確定每個第一目標對象的清晰度類型，包括：

利用OpenCV對每個第一目標對象求二階導數，以獲取每個第一目標對象的邊緣，并計算邊緣的方差；

根據每個第一目標對象對應的方差和預設清晰度閾值，確定每個第一目標對象的清晰度類型。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括：

在對第一目標對象求二階導數前，對每個第一目標對象進行放大處理。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

對所述第二目標對象進行均值模糊處理和色彩增強處理。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

基于清晰度類型為模糊類型的第一目標對象，對模糊檢測分類初始模型進行訓練，以獲取模糊檢測分類優化模型。

6.根據權利要求1所述的方法，其特征在于，所述方法還包括：

根據標注不同標簽的標注數據和與所述標注數據對應的預設單品圖，對分類初始模型進行訓練，以獲取分類優化模型。

7.根據權利要求6所述的方法，其特征在于，所述方法還包括：

獲取未標注的第三目標對象，并利用所述分類優化模型對所述第三目標對象進行自動標注，以獲取標注數據。

8.一種存儲介質，其特征在于，所述存儲介質包括存儲的程序，其中，在所述程序運行時由處理器執行權利要求1至7中任意一項所述的方法。

9.一種自動標注裝置，其特征在于，所述裝置包括：

定位模塊，用于獲取未標注圖像數據，并利用預設輪廓分析模型對所述未標注圖像數據中的第一目標對象進行定位，確定每個第一目標對象對應的空標簽；

第一目標對象確定模塊，用于基于所述空標簽的位置信息對所述未標注圖像數據進行切割，獲取第一目標對象；

第二目標對象確定模塊，用于確定每個第一目標對象的清晰度類型，并根據清晰度類型確定第二目標對象；

匹配模塊，用于將所述第二目標對象和預設單品圖進行特征點匹配，確定預設單品圖和每個第二目標對象對應的特征點匹配數量；

標注數據獲取模塊，用于基于所述特征點匹配數量選取預設數量的第二目標對象，并根據所述單品圖的標注信息對選取的預設數量的第二目標對象進行標注，以獲取標注數據。

10.一種自動標注裝置，其特征在于，所述裝置包括：

處理器；以及

存儲器，與所述處理器連接，用于為所述處理器提供處理以下處理步驟的指令：

獲取未標注圖像數據，并利用預設輪廓分析模型對所述未標注圖像數據中的第一目標對象進行定位，確定每個第一目標對象對應的空標簽；

基于所述空標簽的位置信息對所述未標注圖像數據進行切割，獲取第一目標對象；

確定每個第一目標對象的清晰度類型，并根據清晰度類型確定第二目標對象；

將所述第二目標對象和預設單品圖進行特征點匹配，確定預設單品圖和每個第二目標對象對應的特征點匹配數量；

基于所述特征點匹配數量選取預設數量的第二目標對象，并根據所述單品圖的標注信息對選取的預設數量的第二目標對象進行標注，以獲取標注數據。