[發明專利]一種基于深度極限分割的圖像標注方法及系統

在審

• 申請號: 202211547974.2
• 申請日: 2022-12-05
• 公開（公告）號: CN115761737A
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 岳翔;張欽;呼和;李文倚;李建平;白海強;熊連橋;洪為;謝曉軍;李為沖;楊建欽;侯明雨
• 申請（專利權）人: 中海石油（中國）有限公司;中海石油（中國）有限公司北京研究中心
• 主分類號: G06V20/70
• 分類號: G06V20/70;G06V10/26;G06T7/12;G06V10/774
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 王胥慧

1.一種基于深度極限分割的圖像標注方法，其特征在于，包括：

確定圖像數據中需標注物體的四個邊界極端點；

基于需標注物體的四個邊界極端點，對獲取的圖像數據進行分割；

將分割后的圖像數據輸入至預先訓練好的圖像分割模型，得到圖像數據中需標注物體的物體邊界，識別出目標對象；

對識別出的目標對象進行圖像標注。

2.如權利要求1所述的一種基于深度極限分割的圖像標注方法，其特征在于，還包括：

將目標對象的物體鑒定信息保存至鑒定特征庫。

3.如權利要求1所述的一種基于深度極限分割的圖像標注方法，其特征在于，所述確定圖像數據中需標注物體的四個邊界極端點，包括：

獲取需進行物體標注的圖像數據；

確定獲取的圖像數據中需標注物體的四個邊界極端點，包括最上端、最下端、最左端和最右端。

4.如權利要求1所述的一種基于深度極限分割的圖像標注方法，其特征在于，所述圖像分割模型為采用卷積神經網絡進行深度學習訓練得到的預測模型。

5.如權利要求4所述的一種基于深度極限分割的圖像標注方法，其特征在于，所述圖像分割模型的訓練過程包括：

獲取實例分割訓練樣本集；

根據實例分割訓練樣本集，獲取實例的極端點和外包矩形；

根據獲取的外包矩形，裁剪圖像數據；

根據實例分割訓練樣本集中的掩膜、裁剪后的圖像數據和實例的極端點，訓練卷積神經網絡，得到圖像分割模型。

6.如權利要求5所述的一種基于深度極限分割的圖像標注方法，其特征在于，所述圖像分割模型的損失函數為：

其中，表示在一個批次內標簽的逆歸一化的頻率，由像素的標簽決定，其中，表示標簽和預測值之間的標準交叉熵損失；Y表示像素的數量。

7.如權利要求5所述的一種基于深度極限分割的圖像標注方法，其特征在于，所述實例分割訓練樣本集包括劃分數據集的文本文件、原圖以及用戶用于實例分割的掩膜。

8.一種基于深度極限分割的圖像標注系統，其特征在于，包括：

極端點確定模塊，用于確定圖像數據中需標注物體的四個邊界極端點；

分割模塊，用于基于需標注物體的四個邊界極端點，對獲取的圖像數據進行分割；

目標對象識別模塊，用于將分割后的圖像數據輸入至預先訓練好的圖像分割模型，得到圖像數據中需標注物體的物體邊界，識別出目標對象；

圖像標注模塊對識別出的目標對象進行圖像標注。

9.一種處理設備，其特征在于，包括計算機程序指令，其中，所述計算機程序指令被處理設備執行時用于實現權利要求1-7中任一項所述基于深度極限分割的圖像標注方法對應的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序指令，其中，所述計算機程序指令被處理器執行時用于實現權利要求1-7中任一項所述的基于深度極限分割的圖像標注方法對應的步驟。