[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

本發明涉及一種基于深度極限分割的圖像標注方法及系統，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，標注信息包括圖像的類別以及分類特征，本發明可以廣泛應用于圖像識別領域中。

技術領域

本發明是關于一種基于深度極限分割的圖像標注方法及系統，屬于圖像識別領域。

背景技術

圖像識別或語義分割是人工智能應用的主要方向之一，例如有孔蟲化石鑒定、砂巖薄片礦物識別等。圖像標注是該類應用場景的基礎工作，標注數據的質量和效率會直接決定人工智能的應用效果與進展。

目前，現有技術中的圖像標注方法是利用人工拾取目標邊界，存在拾取效率低、人為經驗影響大和邊界不準確等問題，且僅可以標注目標類別，無法保存鑒定目標的特征信息。

發明內容

針對上述問題，本發明的目的是提供一種拾取效率高、人為影響小且邊界準確的基于深度極限分割的圖像標注方法及系統。

為實現上述目的，本發明采取以下技術方案：第一方面，提供一種基于深度極限分割的圖像標注方法，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。

進一步地，還包括：

將目標對象的物體鑒定信息保存至鑒定特征庫。

進一步地，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。

進一步地，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。

進一步地，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。

進一步地，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。

進一步地，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。

第二方面，提供一種基于深度極限分割的圖像標注系統，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；