[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

本發明公開了一種自動標注方法、裝置及存儲介質，可以根據預設輪廓分析模型對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，并根據空標簽的位置信息快速地確定未標注圖像數據中的目標圖像，并且通過特征點匹配，可以對與單品圖對應的目標對象進行自動標注。本發明的預設輪廓分析模型為基于深度學習訓練的識別模型，該識別模型能很好的對第一目標對象進行定位；基于單品圖與目標對象之間的特征點匹配，實現自動標注，從而獲取標注數據，可以用于在商鋪商品的無監督輔助人工標注方面，能夠在大力節省人工成本和時間的同時，提高檢測任務的工作效率。

技術領域

本發明涉及信息處理技術領域，并且更具體地，涉及一種自動標注方法、裝置及存儲介質。

背景技術

近些年，基于深度學習的計算機視覺識別技術被廣泛應用于各行各業。一個表現優異的深度學習模型需要大量的高質量的標注數據予以支持，而這些高質量的標注數據目前幾乎全部采用人工標注方式標注而得。然而，人工數據標注方式效率十分低下，而且標注結果是否準確很大程度上依賴于標注人員的標注水平，所以通過人工標注方式對數據進行標注的質量無法實現有效保證。

針對零售行業，其商品類別繁多、形狀各異，貨架上同一類別商品可能反復出現，且對于同一商品可能處于不同的角度，基于人力標注顯得有些費力勞神。

因此，需要一種自動標注的方法。

發明內容

本發明要解決的問題包括如何從未標注的圖像數據中獲取單個目標對象的切圖，并對目標對象進行標注。然而，由于未標注圖像數據和單個目標對象的多樣性，現有技術中沒有切實可用的對目標對象進行自動標注的技術方案。

為了解決上述諸如從從未標注的圖像數據中獲取單個目標對象的切圖，并對目標對象進行標注的技術問題，提出了本發明。本發明的實施例提供了一種自動標注方法、裝置及存儲介質。

根據本發明實施例的一個方面，提供了一種自動標注方法，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。

可選地，其中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。

可選地，其中所述方法還包括：

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。

可選地，其中所述方法還包括：

對所述第二目標對象進行均值模糊處理和色彩增強處理。

可選地，其中所述方法還包括：

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。

可選地，其中所述方法還包括：