CN110929729A - 图像标注方法、图像标注装置及计算机存储介质 - Google Patents

Abstract

本发明涉及计算机视觉技术领域，提供一种图像标注方法、图像标注装置及计算机存储介质。图像标注方法包括：图像标注方法包括：获取待标注图像，其中待标注图像包括一个或多个对象图像；确定对象图像中目标图像的位置信息；基于目标图像的位置信息，得到目标图像的类别信息；基于目标图像的位置信息以及类别信息，得到目标图像的标注框。通过本公开实施例，实现根据人工预指导的信息，缩小标注范围，节省标注时间，提高了图像标注效率。

Description

图像标注方法、图像标注装置及计算机存储介质

技术领域

本发明一般地涉及计算机视觉技术领域，特别是涉及一种图像标注方法、图像标注装置及计算机存储介质。

背景技术

图像识别技术是机器学习领域中重要研究题，对于待识别图像，通过神经网络模型识别出图像数据中的目标对象。目标对象可以是机动车、人、动物、物体等。图像标注，即为待识别图像中的目标对象添加与其内容相关的文本信息，为图像识别提供良好的基础。

当前的图像数据标注，一般采用人工标注矩形框的方法，即对图像中的目标对象，手动标注矩形框，选择类别等操作，生成图像标注信息。标注的过程人工成本高、标注效率低，数据标注的质量差。

发明内容

为了解决现有技术中存在的上述问题，本发明提供一种图像标注方法、图像标注装置及计算机存储介质。

根据本公开实施例的一方面，提供图像标注方法，包括：获取待标注图像，其中待标注图像包括一个或多个对象图像；确定对象图像中目标图像的位置信息；基于目标图像的位置信息，得到目标图像的类别信息；基于目标图像的位置信息以及类别信息，得到目标图像的标注框。

在一实施例中，确定待标注图像中的目标图像的位置信息，包括：在进行确定位置信息的界面上，获取确定位置信息的操作指令；依据操作指令，确定待标注图像中目标图像的位置信息。

在一实施例中，基于目标图像的位置信息，得到目标图像的类别信息，包括：通过人工标注和/或通过目标分类模型确定目标图像的类别信息。

在另一实施例中，通过目标分类模型确定待标注图像中的目标图像的类别信息，包括：获取待标注图像的图像尺寸信息；基于图像尺寸信息和第一比例，确定第一区域图像尺寸；基于目标图像的位置信息和第一区域图像尺寸，确定目标图像的图像区域；根据图像区域的图像，通过目标分类模型确定目标图像的类别信息。

在一实施例中，根据图像区域的图像，通过目标分类模型确定目标图像的类别信息，包括：若图像区域内包括多个对象图像，则通过目标分类模型得到图像区域内全部对象图像对应的类别信息；根据用户指令或目标图像的位置信息确定目标图像的类别信息。

在一实施例中，基于目标图像的位置信息以及类别信息，得到目标图像的标注框，包括：基于类别信息，确定对应的目标检测模型；基于位置信息，通过目标检测模型，得到目标图像的标注框。

在一实施例中，基于位置信息，通过目标检测模型，得到目标图像的标注框，包括：获取待标注图像的图像尺寸信息；基于图像尺寸信息和第二比例，确定第二区域图像尺寸；基于目标图像的位置信息和第二区域图像尺寸，确定目标图像的第一标注框区域；根据第一标注框区域的图像，通过目标检测模型确定目标图像的标注框。

在一实施例中，基于位置信息，通过目标检测模型，得到目标图像的标注框，包括：确定目标图像的标注框区域；根据标注框区域，通过目标检测模型，得到目标图像的标注框。

在一实施例中，根据标注框区域，通过目标检测模型，得到目标图像的标注框，包括：根据第三比例，对标注框区域进行扩大，得到第二标注框区域；根据第二标注框区域的图像，通过目标检测模型，得到目标图像的标注框。

根据本公开实施例的又一方面，提供图像标注装置，包括：获取模块，用于获取待标注图像，其中待标注图像包括一个或多个对象图像；确定模块，用于确定对象图像中目标图像的位置信息；以及基于目标图像的位置信息，得到目标图像的类别信息；基于目标图像的位置信息以及类别信息，得到目标图像的标注框。

在一实施例中，确定模块采用如下方式确定待标注图像中的目标图像的位置信息：在进行确定位置信息的界面上，获取确定位置信息的操作指令；依据操作指令，确定待标注图像中目标图像的位置信息。

在一实施例中，确定模块采用如下方式基于目标图像的位置信息，得到目标图像的类别信息：通过人工标注和/或通过目标分类模型确定目标图像的类别信息。

在一实施例中，确定模块采用如下方式通过目标分类模型确定待标注图像中的目标图像的类别信息：获取待标注图像的图像尺寸信息；基于图像尺寸信息和第一比例，确定第一区域图像尺寸；基于目标图像的位置信息和第一区域图像尺寸，确定目标图像的图像区域；根据图像区域的图像，通过目标分类模型确定目标图像的类别信息。

在一实施例中，确定模块采用如下方式根据图像区域的图像，通过目标分类模型确定目标图像的类别信息：若图像区域内包括多个对象图像，则通过目标分类模型得到图像区域内全部对象图像对应的类别信息；根据用户指令或目标图像的位置信息确定目标图像的类别信息。

在一实施例中，确定模块采用如下方式基于目标图像的位置信息以及类别信息，得到目标图像的标注框：基于类别信息，确定对应的目标检测模型；基于位置信息，通过目标检测模型，得到目标图像的标注框。

在一实施例中，确定模块采用如下方式基于位置信息，通过目标检测模型，得到目标图像的标注框：获取待标注图像的图像尺寸信息；基于图像尺寸信息和第二比例，确定第二区域图像尺寸；基于目标图像的位置信息和第二区域图像尺寸，确定目标图像的第一标注框区域；根据第一标注框区域的图像，通过目标检测模型确定目标图像的标注框。

在一实施例中，确定模块采用如下方式基于位置信息，通过目标检测模型，得到目标图像的标注框：确定目标图像的标注框区域；根据标注框区域，通过目标检测模型，得到目标图像的标注框。

在一实施例中，确定模块采用如下方式根据标注框区域，通过目标检测模型，得到目标图像的标注框：根据第三比例，对标注框区域进行扩大，得到第二标注框区域；根据第二标注框区域的图像，通过目标检测模型，得到目标图像的标注框。

根据本公开实施例的又一方面，本发明实施例提供一种电子设备，其中，电子设备包括：存储器，用于存储指令；以及处理器，用于调用存储器存储的指令执行上述任意一种图像标注方法。

根据本公开实施例的又一方面，本发明实施例提供一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在由处理器执行时，执行上述任意一种图像标注方法。

本发明提供的一种图像标注方法、图像标注装置及计算机存储介质，通过获取待标注图像中目标图像的位置信息，基于目标图像的位置信息以及类别信息，得到目标图像的标注框，实现根据人工预指导的信息，缩小标注范围，节省标注时间，提高了图像标注效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

通过参考附图阅读下文的详细描述，本发明实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1示出了本发明实施例提供的一种图像标注方法的示意图；

图2示出了本发明实施例提供的又一种图像标注方法的示意图；

图3示出了本发明实施例提供的一种确定待标注图像中的目标图像的类别信息方法的示意图；

图4示出了本发明实施例提供的又一种图像标注方法的示意图；

图5示出了本发明实施例提供的又一种图像标注方法的示意图；

图6示出了本发明实施例提供的又一种图像标注方法的示意图；

图7示出了本发明实施例提供的一种图像标注装置的示意图；

图8示出了本发明实施例提供的一种电子设备示意图；

在附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。

需要注意，虽然本文中使用“第一”、“第二”等表述来描述本发明的实施方式的不同模块、步骤和数据等，但是“第一”、“第二”等表述仅是为了在不同的模块、步骤和数据等之间进行区分，而并不表示特定的顺序或者重要程度。实际上，“第一”、“第二”等表述完全可以互换使用。

图1是根据一示例性实施例示出的一种图像标注方法的示意图。如图1，图像标注方法包括以下步骤。

在步骤S101中，获取待标注图像，其中待标注图像包括一个或多个对象图像。

在本公开实施例中，待标注图像为需要进行标注的图像。待标注图像可以通过图像采集设备进行获取，也可以通过本地数据库、云端或者视频中进行获取。

待标注图像中包括一个或多个对象图像，对象图像可以是图像中的人、机动车、动物等物体的图像。

对待标注图像的标注，可以是使用标注工具，生成图像标注信息，用于模型训练。对待标注图像的标注，例如，以矩形框标注图像中一个或者多个对象图像的位置，以及一个或多个对象图像对应的类型。可以理解地，一个或多个对象图像可以是对应相同的类型，也可以是对应不同的类型。

在步骤S102中，确定对象图像中目标图像的位置信息。

在一个或多个对象图像中，确定目标图像的位置信息。目标图像的位置信息用于表征目标图像在待标注图像中所在的位置，例如，目标图像的位置信息可以是目标图像的坐标信息，用目标图像的坐标信息表示其在待标注图像中所在的位置。

在步骤S103中，基于目标图像的位置信息，得到目标图像的类别信息。

基于目标图像的位置信息，得到待标注图像中，位置信息对应的目标图像的类别信息。

在步骤S104中，基于目标图像的位置信息以及类别信息，得到目标图像的标注框。

根据本公开的实施例，通过获取待标注图像中目标图像的位置信息，基于目标图像的位置信息以及类别信息，得到目标图像的标注框，实现根据人工预指导的信息，缩小标注范围，节省标注时间，提高了图像标注效率。

本实施例公开另一种图像标注方法。参考图2，图2示出了本公开另一示例性实施例示出的一种图像标注方法的流程图。如图2所示，图1所示的步骤S102，包括如下步骤。

在步骤S1021中，在进行确定位置信息的界面上，获取确定位置信息的操作指令。

进行确定位置信息的界面，可以是将待标注图像显示在用户交互界面，提示用户在确定目标图像的位置信息的界面，获取用户确定目标对象位置信息的操作指令。

位置信息，可以是目标图像中包含的某一点，可以是以该点的坐标表示。

在步骤S1022中，依据操作指令，确定待标注图像中目标图像的位置信息。确定目标对象位置信息的操作指令，可以是通过用户鼠标点击目标图像所在的位置，也可以是在操作界面通过输入目标图像的位置信息的坐标。

确定待标注图像中目标图像的位置信息，可以在对待标注图像进行标注，得到目标图像的标注框的过程中，以位置信息为中心进行标注，使得图像标注的精度更高，提高了标注的效率。

图3是根据一示例性实施例示出的确定待标注图像中的目标图像的类别信息方法的示意图。如图3所示，确定待标注图像中的目标图像的类别信息方法包括以下步骤。

在步骤S301中，获取待标注图像的图像尺寸信息。

在步骤S302中，基于图像尺寸信息和第一比例，确定第一区域图像尺寸。

在本公开实施例中，确定待标注图像中的目标图像的类别信息，可以是以步骤S102中确定的目标图像的位置信息为中心，选取目标对象所处的一定范围内的图像区域，即第一区域图像尺寸做分类预测。

可以理解地，第一区域图像尺寸与待标注图像的图像尺寸成正比。第一区域图像尺寸与待标注图像的图像尺寸的之间的比例关系即第一比例。待标注图像的图像尺寸大，选择的第一区域图像尺寸相对较大。待标注图像的图像尺寸小，选择的第一区域图像尺寸相对较小，使得确定的第一区域图像尺寸更加合理，从而使得对目标图像的类别信息的确定更加准确。

在步骤S303中，基于目标图像的位置信息和第一区域图像尺寸，确定目标图像的图像区域。

在本公开实施例中，目标图像的图像区域，可以是以目标图像的位置信息为中心，第一区域图像尺寸范围内的图像区域。

在步骤S304中，根据图像区域的图像，通过目标分类模型确定目标图像的类别信息。

在目标图像的图像区域，通过目标分类模型确定目标图像的类别信息，可以将待标注图像的范围精确至目标图像的图像区域范围内，使得对目标图像的类别信息的确定更加准确，提高目标图像的类别信息的处理效率。

在一实施例中，若图像区域内包括多个对象图像，则通过目标分类模型得到图像区域内全部对象图像对应的类别信息。

根据用户指令或目标图像的位置信息确定目标图像的类别信息。

在本公开实施例中，基于目标图像的位置信息和第一区域图像尺寸，确定出目标图像的图像区域。当待标注图像的尺寸相对于目标图像的尺寸较大时，图像区域可以是包括多个对象图像，多个对象图像可以是同一类型也可以是不同类型。

通过目标分类模型，对图像区域内的多个对象图像进行识别，可以得到图像区域内全部对象图像分别对应的类别信息。

可以是根据用户指令，确定目标图像的类别信息。例如，可以是在进行图像标注的用户界面，显示通过目标分类模型得到的图像区域内的全部类别信息，并提示用户输入确定目标图像的类别信息的指令。根据用户指令，确定目标图像的类别信息。

若图像区域内包括多个对象图像，通过目标分类模型得到图像区域内全部对象图像对应的类别信息。当多个对象图像之间不发生重叠，根据目标图像的位置信息确定目标图像的类别信息，即多个对象图像的图像区域中，包含位置信息的对象图像的类别信息，确定为目标图像的类别信息。

当多个对象图像之间发生重叠覆盖时，根据目标图像的位置信息确定目标图像的类别信息，即多个对象图像的图像区域中，包含位置信息、且图像区域较小的对象图像，确定为目标图像的类别信息。

本实施例公开另一种图像标注方法。参考图4，图4示出了本公开另一示例性实施例示出的一种图像标注方法的流程图。如图4所示，图1所示的步骤S104，包括如下步骤。

在步骤S1041中，基于类别信息，确定对应的目标检测模型。

在本公开实施例中，不同类别信息的对象图像，确定对应类别的目标检测模型。目标检测模型，可以是预先训练好的，用于在待标注图像中，进行检测。

在步骤S1042中，基于位置信息，通过目标检测模型，得到目标图像的标注框。

基于待标注图像中确定的目标图像的位置信息，以位置信息为中心进行检测，得到目标图形的标注框。不同类别的目标图像，确定对应类型的目标检测模型，使得单个类型对应的目标检测模型体型小，计算量低，易训练，同时，确保模型的检测结果更加准确。

本实施例公开另一种图像标注方法。参考图5，图5示出了本公开另一示例性实施例示出的一种图像标注方法的流程图。如图5所示，图4所示的步骤S1042，包括如下步骤。

在步骤S10421中，获取待标注图像的图像尺寸信息。

在步骤S10422中，基于图像尺寸信息和第二比例，确定第二区域图像尺寸。

第二区域图像尺寸与待标注图像的图像尺寸成正比。第二区域图像尺寸与待标注图像的图像尺寸之间的比例关系即第二比例。

第二区域图像尺寸用于确定目标图像的第一标注框区域。第一标注框区域用于缩小目标图像标注的范围，使得目标检测模型在第一标注框区域内，确定目标图像的标注框。

在步骤S10423中，基于目标图像的位置信息和第二区域图像尺寸，确定目标图像的第一标注框区域。

在本公开实施例中，目标图像的第一标注框区域，可以是以目标图像的位置信息为中心，第二区域图像尺寸范围内的图像区域。

在步骤S10424中，根据第一标注框区域的图像，通过目标检测模型确定目标图像的标注框。缩小待标注图像中目标图像的搜索范围，提高了模型检测结果的精度。

图6是根据一示例性实施例示出的另一种图像标注方法的示意图。如图6所示，图4中所述的步骤S1042，包括以下步骤。

在步骤S10425中，确定目标图像的标注框区域。

基于目标图像的位置信息以及类别信息，可以是根据用户指令，确定目标图像的标注框区域。例如，可以是在进行图像标注的用户界面，提示用户输入确定目标图像的标注框区域。

用户可以根据需要利用鼠标对目标图像进行框选，也可以是输入目标图像的标注框区域的角点坐标，确定目标图像的标注框区域。

在步骤S10426中，根据标注框区域，通过目标检测模型，得到目标图像的标注框。

根据确定的标注框区域，可以进一步缩小待标注图像中目标图像的搜索范围，提高了模型检测结果的精度。

在一实施例中，根据第三比例，对标注框区域进行扩大，得到第二标注框区域。

将确定的目标图像的标注框区域根据第三比例进行扩大，得到扩大后的第二标注框区域，以保证目标图像被包含在扩大后的第二标注框区域中。

根据第二标注框区域的图像，通过目标检测模型，得到目标图像的标注框。避免标注框区域尺寸不足以包括目标图像的边缘，即标注框区域尺寸较小，导致目标检测模型检测出现错误的检测结果。

在一实施例中，在待标注图像中，未确定目标对象对应的标注框区域，则在待标注图像全局范围内，进行模型的目标检测。减少了人工干预，目标检测运行时间长，运算资源消耗大。可以根据目标图像的位置信息，即在距离目标图像的位置信息近的职位，增加目标检测的权重，以在节省人工的前提下，提高目标检测的准确性。

基于同样的发明构思，本公开提供一种图像标注装置。

图7是根据一示例性实施例示出的一种图像标注装置的示意图。如图7所示，图像标注装置200包括：获取模块210以及确定模块220。

获取模块210，用于获取待标注图像，其中待标注图像包括一个或多个对象图像。

确定模块220，用于确定对象图像中目标图像的位置信息，以及基于目标图像的位置信息，得到目标图像的类别信息，基于目标图像的位置信息以及类别信息，得到目标图像的标注框。

在一实施例中，确定模块220采用如下方式确定待标注图像中的目标图像的位置信息：在进行确定位置信息的界面上，获取确定位置信息的操作指令；依据操作指令，确定待标注图像中目标图像的位置信息。

在一实施例中，确定模块220采用如下方式基于目标图像的位置信息，得到目标图像的类别信息：通过人工标注和/或通过目标分类模型确定目标图像的类别信息。

在一实施例中，确定模块220采用如下方式通过目标分类模型确定待标注图像中的目标图像的类别信息：获取待标注图像的图像尺寸信息；基于图像尺寸信息和第一比例，确定第一区域图像尺寸；基于目标图像的位置信息和第一区域图像尺寸，确定目标图像的图像区域；根据图像区域的图像，通过目标分类模型确定目标图像的类别信息。

在一实施例中，确定模块220采用如下方式根据图像区域的图像，通过目标分类模型确定目标图像的类别信息：若图像区域内包括多个对象图像，则通过目标分类模型得到图像区域内全部对象图像对应的类别信息；根据用户指令或目标图像的位置信息确定目标图像的类别信息。

在一实施例中，确定模块220采用如下方式基于目标图像的位置信息以及类别信息，得到目标图像的标注框：基于类别信息，确定对应的目标检测模型；基于位置信息，通过目标检测模型，得到目标图像的标注框。

在一实施例中，确定模块220采用如下方式基于位置信息，通过目标检测模型，得到目标图像的标注框：获取待标注图像的图像尺寸信息；基于图像尺寸信息和第二比例，确定第二区域图像尺寸；基于目标图像的位置信息和第二区域图像尺寸，确定目标图像的第一标注框区域；根据第一标注框区域的图像，通过目标检测模型确定目标图像的标注框。

在一实施例中，确定模块220采用如下方式基于位置信息，通过目标检测模型，得到目标图像的标注框：确定目标图像的标注框区域；根据标注框区域，通过目标检测模型，得到目标图像的标注框。

在一实施例中，确定模块220采用如下方式根据标注框区域，通过目标检测模型，得到目标图像的标注框：根据第三比例，对标注框区域进行扩大，得到第二标注框区域；根据第二标注框区域的图像，通过目标检测模型，得到目标图像的标注框。

如图8所示，本发明的一个实施方式提供了一种电子设备800。其中，该电子设备800包括存储器810、处理器820、输入/输出（Input/Output，I/O）接口830。其中，存储器810，用于存储指令。处理器820，用于调用存储器810存储的指令执行本发明实施例的用于图像标注方法。其中，处理器820分别与存储器810、I/O接口830连接，例如可通过总线系统和/或其他形式的连接机构(未示出)进行连接。存储器810可用于存储程序和数据，包括本发明实施例中涉及的用于图像标注的程序，处理器820通过运行存储在存储器810的程序从而执行电子设备800的各种功能应用以及数据处理。

本发明实施例中处理器820可以采用数字信号处理器(Digital SignalProcessing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现，所述处理器820可以是中央处理单元（Central Processing Unit，CPU）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元中的一种或几种的组合。

本发明实施例中的存储器810可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（Random Access Memory，RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（Read-OnlyMemory，ROM）、快闪存储器（Flash Memory）、硬盘（Hard Disk Drive，HDD）或固态硬盘（Solid-State Drive，SSD）等。

本发明实施例中，I/O接口830可用于接收输入的指令（例如数字或字符信息，以及产生与电子设备800的用户设置以及功能控制有关的键信号输入等），也可向外部输出各种信息（例如，图像或声音等）。本发明实施例中I/O接口830可包括物理键盘、功能按键（比如音量控制按键、开关按键等）、鼠标、操作杆、轨迹球、麦克风、扬声器和触控面板等中的一个或多个。

在一些实施方式中，本发明提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在由处理器执行时，执行上文所述的任何方法。

尽管在附图中以特定的顺序描述操作，但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作，或是要求执行全部所示的操作以得到期望的结果。在特定环境中，多任务和并行处理可能是有利的。

本发明的方法和装置能够利用标准编程技术来完成，利用基于规则的逻辑或者其他逻辑来实现各种方法步骤。还应当注意的是，此处以及权利要求书中使用的词语“装置”和“模块”意在包括使用一行或者多行软件代码的实现和/或硬件实现和/或用于接收输入的设备。

此处描述的任何步骤、操作或程序可以使用单独的或与其他设备组合的一个或多个硬件或软件模块来执行或实现。在一个实施方式中，软件模块使用包括包含计算机程序代码的计算机可读介质的计算机程序产品实现，其能够由计算机处理器执行用于执行任何或全部的所描述的步骤、操作或程序。

出于示例和描述的目的，已经给出了本发明实施的前述说明。前述说明并非是穷举性的也并非要将本发明限制到所公开的确切形式，根据上述教导还可能存在各种变形和修改，或者是可能从本发明的实践中得到各种变形和修改。选择和描述这些实施例是为了说明本发明的原理及其实际应用，以使得本领域的技术人员能够以适合于构思的特定用途来以各种实施方式和各种修改而利用本发明。

Claims (18)

1.一种图像标注方法，其特征在于，所述方法包括：

获取待标注图像，其中所述待标注图像包括一个或多个对象图像；

确定所述对象图像中目标图像的位置信息；

基于所述目标图像的位置信息，得到所述目标图像的类别信息；

基于所述目标图像的所述位置信息以及所述类别信息，得到所述目标图像的标注框，其中，所述确定所述待标注图像中的目标图像的位置信息，包括：

在进行确定位置信息的界面上，获取确定位置信息的操作指令；

依据所述操作指令，确定所述待标注图像中所述目标图像的所述位置信息。

2.根据权利要求1中所述的图像标注方法，其特征在于，基于所述目标图像的位置信息，得到所述目标图像的类别信息，包括：

通过人工标注和/或通过目标分类模型确定所述目标图像的类别信息。

3.根据权利要求2所述的图像标注方法，其特征在于，所述通过目标分类模型确定所述待标注图像中的目标图像的类别信息，包括：

获取所述待标注图像的图像尺寸信息；

基于所述图像尺寸信息和第一比例，确定第一区域图像尺寸；

基于所述目标图像的所述位置信息和所述第一区域图像尺寸，确定所述目标图像的图像区域；

根据所述图像区域的图像，通过目标分类模型确定所述目标图像的所述类别信息。

4.根据权利要求3所述的图像标注方法，其特征在于，所述根据所述图像区域的图像，通过目标分类模型确定所述目标图像的类别信息，包括：

若所述图像区域内包括多个所述对象图像，则通过所述目标分类模型得到所述图像区域内全部所述对象图像对应的类别信息；

根据用户指令或所述目标图像的所述位置信息确定所述目标图像的类别信息。

5.根据权利要求1所述的图像标注方法，其特征在于，所述基于所述目标图像的所述位置信息以及所述类别信息，得到所述目标图像的标注框，包括：

基于所述类别信息，确定对应的目标检测模型；

基于所述位置信息，通过所述目标检测模型，得到所述目标图像的标注框。

6.根据权利要求5所述的图像标注方法，其特征在于，所述基于所述位置信息，通过所述目标检测模型，得到所述目标图像的标注框，包括：

获取所述待标注图像的图像尺寸信息；

基于所述图像尺寸信息和第二比例，确定第二区域图像尺寸；

基于所述目标图像的所述位置信息和所述第二区域图像尺寸，确定所述目标图像的第一标注框区域；

根据所述第一标注框区域的图像，通过所述目标检测模型确定所述目标图像的所述标注框。

7.根据权利要求5所述的图像标注方法，其特征在于，所述基于所述位置信息，通过所述目标检测模型，得到所述目标图像的标注框，包括：

确定所述目标图像的标注框区域；

根据所述标注框区域，通过所述目标检测模型，得到所述目标图像的标注框。

8.根据权利要求7所述的图像标注方法，其特征在于，所述根据所述标注框区域，通过所述目标检测模型，得到所述目标图像的标注框，包括：

根据第三比例，对所述标注框区域进行扩大，得到第二标注框区域；

根据所述第二标注框区域的图像，通过所述目标检测模型，得到所述目标图像的标注框。

9.一种图像标注装置，其特征在于，所述装置包括：

获取模块，用于获取待标注图像，其中所述待标注图像包括一个或多个对象图像；

确定模块，用于确定所述对象图像中目标图像的位置信息，以及基于所述目标图像的位置信息，得到所述目标图像的类别信息；基于所述目标图像的所述位置信息以及所述类别信息，得到所述目标图像的标注框，其中，所述确定模块采用如下方式确定所述待标注图像中的目标图像的位置信息：

在进行确定位置信息的界面上，获取确定位置信息的操作指令；

依据所述操作指令，确定所述待标注图像中所述目标图像的所述位置信息。

10.根据权利要求9中所述的图像标注装置，其特征在于，所述确定模块采用如下方式基于所述目标图像的位置信息，得到所述目标图像的类别信息：

通过人工标注和/或通过目标分类模型确定所述目标图像的类别信息。

11.根据权利要求10所述的图像标注装置，其特征在于，所述确定模块采用如下方式通过目标分类模型确定所述待标注图像中的目标图像的类别信息：

获取所述待标注图像的图像尺寸信息；

基于所述图像尺寸信息和第一比例，确定第一区域图像尺寸；

基于所述目标图像的所述位置信息和所述第一区域图像尺寸，确定所述目标图像的图像区域；

根据所述图像区域的图像，通过目标分类模型确定所述目标图像的所述类别信息。

12.根据权利要求11所述的图像标注装置，其特征在于，所述确定模块采用如下方式根据所述图像区域的图像，通过目标分类模型确定所述目标图像的类别信息：

若所述图像区域内包括多个所述对象图像，则通过所述目标分类模型得到所述图像区域内全部所述对象图像对应的类别信息；

根据用户指令或所述目标图像的所述位置信息确定所述目标图像的类别信息。

13.根据权利要求9所述的图像标注装置，其特征在于，所述确定模块采用如下方式基于所述目标图像的所述位置信息以及所述类别信息，得到所述目标图像的标注框：

基于所述类别信息，确定对应的目标检测模型；

基于所述位置信息，通过所述目标检测模型，得到所述目标图像的标注框。

14.根据权利要求13所述的图像标注装置，其特征在于，所述确定模块采用如下方式基于所述位置信息，通过所述目标检测模型，得到所述目标图像的标注框：

获取所述待标注图像的图像尺寸信息；

基于所述图像尺寸信息和第二比例，确定第二区域图像尺寸；

基于所述目标图像的所述位置信息和所述第二区域图像尺寸，确定所述目标图像的第一标注框区域；

根据所述第一标注框区域的图像，通过所述目标检测模型确定所述目标图像的所述标注框。

15.根据权利要求14所述的图像标注装置，其特征在于，所述确定模块采用如下方式基于所述位置信息，通过所述目标检测模型，得到所述目标图像的标注框：

确定所述目标图像的标注框区域；

根据所述标注框区域，通过所述目标检测模型，得到所述目标图像的标注框。

16.根据权利要求15所述的图像标注装置，其特征在于，所述确定模块采用如下方式根据所述标注框区域，通过所述目标检测模型，得到所述目标图像的标注框：

根据第三比例，对所述标注框区域进行扩大，得到第二标注框区域；

根据所述第二标注框区域的图像，通过所述目标检测模型，得到所述目标图像的标注框。

17.一种电子设备，其中，所述电子设备包括：

存储器，用于存储指令；以及

处理器，用于调用所述存储器存储的指令执行权利要求1-8中任一项所述的图像标注方法。

18.一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在由处理器执行时，执行权利要求1-8中任一项所述的图像标注方法。

Images