CN111027640A - 一种视频数据的标注方法、装置、终端设备及存储介质 - Google Patents
一种视频数据的标注方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN111027640A CN111027640A CN201911355644.1A CN201911355644A CN111027640A CN 111027640 A CN111027640 A CN 111027640A CN 201911355644 A CN201911355644 A CN 201911355644A CN 111027640 A CN111027640 A CN 111027640A
- Authority
- CN
- China
- Prior art keywords
- data
- rechecking
- labeling
- annotation
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000002372 labelling Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 44
- 239000003550 marker Substances 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 24
- 238000012552 review Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2178—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/96—Management of image or video recognition tasks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种视频数据的标注方法，该方法可包括以下步骤：S1.配置视频图像传输地址，用于接入实时视频数据；S2.使用训练好的视频特征识别模型对接入的视频数据进行自动标注；S3.由标注员对自动标注内容进行手动标注；S4.由复核员对经过标注员标注后的标注内容进行复核，不通过复核的数据回传给标注员重新标注，直至全部数据通过复核。采用本发明方法，一方面可以节省人力物力，另一方面提高了标注精度以及效率。
Description
技术领域
本发明涉及视频数据处理领域，具体地涉及一种视频数据的标注方法、装置、终端设备及存储介质。
背景技术
在实时视频数据的图像识别研究中，图像质量、环境条件和硬件处理能力的不同给图像内物体特征识别带来阻力。物体特征识别模型是基于卷积神经网络的深度学习，这种方法依赖于大量的标注数据进行训练，标注数量越多，训练的模型效果越好。
目前，图像标注的一个方法是由标注员来人工对图像中的物体进行标注。但是，传统的手工标注的方法非常耗时、费用开销大，并且由于各个标注员主观上的不同理解，容易造成标注的物体类别不一致的问题。针对手工标注的这些问题，研究人员对自动标注进行了研发。自动标注能够提供工作效率和工作量，但是自动标注容易产生大量的错误标注。可见，目前缺乏一种高效且有效的图像标注处理方法。
发明内容
本发明旨在提供一种视频数据的标注方法、装置、终端设备及存储介质，以解决上述问题。为此，本发明采用的具体技术方案如下：
根据本发明的一方面，提供了一种视频数据的标注方法，该方法可包括以下步骤：
S1.配置视频图像传输地址，用于接入实时视频数据；
S2.使用训练好的视频特征识别模型对接入的视频数据进行自动标注；
S3.由标注员对自动标注内容进行手动标注；
S4.由复核员对经过标注员标注后的标注内容进行复核，不通过复核的数据回传给标注员重新标注，直至全部数据通过复核。
进一步地，S2的具体过程为：选择训练好的视频特征识别模型，通过选中的模型将视频数据解析为图像数据，并筛选出最优图像帧进行自动物体特征标注；将标注后的图像数据存储至数据库。
进一步地，S3的具体过程为：为标注员分配图像标注任务，其中，一个图像标注任务含有多个图像数据，一个图像数据中至少包含一个已经被模型标注的物体；接收标注员对图像标注任务反馈的标注结果数据，其中，标注结果数据包含标注员对各个待标注物体的标注，标注员标注内容包括新增标注物体及特征，以及模型已标注特征的修正。
进一步地，S4的具体过程为：为复核员分配标注复核任务，其中，不通过复核的图像数据回传给标注员重新标注，直至全部图像数据通过复核；将通过复核的图像数据存储至指定数据库。
进一步地，该方法还包括步骤：
S5.从通过复核的图像数据中提取对各个标注物体的标注数据，对视频特征识别模型进行重新训练。
根据本发明的另一方面，提供了一种视频数据的标注装置，该装置包括：
实时视频接入模块，用于配置视频图像传输地址，以接入实时视频数据；
自动标注模块，用于使用训练好的视频特征识别模型对接入的视频数据进行自动标注；
手动标注模块，用于由标注员对自动标注内容进行手动标注；
标注复核模块，用于由复核员对经过标注员标注后的标注内容进行复核，不通过复核的数据回传给标注员重新标注，直至全部数据通过复核。
进一步地，自动标注的具体过程为：选择训练好的视频特征识别模型，通过选中的模型将视频数据解析为图像数据，并筛选出最优图像帧进行自动物体特征标注；将标注后的图像数据存储至数据库。
进一步地，手动标注的具体过程为：为标注员分配图像标注任务，其中，一个图像标注任务含有多个图像数据，一个图像数据中至少包含一个已经被模型标注的物体；接收标注员对图像标注任务反馈的标注结果数据，其中，标注结果数据包含标注员对各个待标注物体的标注，标注员标注内容包括新增标注物体及特征，以及模型已标注特征的修正。
进一步地，标注复核的具体过程为：为复核员分配标注复核任务，其中，不通过复核的图像数据回传给标注员重新标注，直至全部图像数据通过复核；将通过复核的图像数据存储至指定数据库。
进一步地，该装置还包括训练模块，用于从通过复核的图像数据中提取对各个标注物体的标注数据，对视频特征识别模型进行重新训练。
根据本发明的另一方面，还提供了一种终端设备，可包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上所述的方法的步骤。
根据本发明的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上所述的方法的步骤。
本发明采用上述技术方案，具有的有益效果是：本发明先使用视频特征识别模型对视频数据进行自动标注，再由标注员对模型自动标注内容做添加或修改，最后由复核员复核，一方面节省了人力物力，另一方面提高了标注精度以及效率。
附图说明
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
图1是根据本发明的视频数据的标注方法的流程图；
图2是根据本发明的视频数据的标注装置的方框图。
具体实施方式
现结合附图和具体实施方式对本发明进一步说明。
如图1所示，根据本发明的视频数据的标注方法可包括以下步骤：
S1.配置视频图像传输地址，用于接入实时视频数据；
S2.使用训练好的视频特征识别模型对接入的视频数据进行自动标注，具体地，选择训练好的视频特征识别模型，通过选中的模型将视频数据解析为图像数据，并筛选出最优图像帧进行自动物体特征标注；将标注后的图像数据存储至数据库。
S3.由标注员对自动标注内容进行手动标注，具体地，为标注员分配图像标注任务，其中，一个图像标注任务含有多个图像数据，一个图像数据中至少包含一个已经被模型标注的物体；接收标注员对图像标注任务反馈的标注结果数据，其中，标注结果数据包含标注员对各个待标注物体的标注，标注员标注内容包括新增标注物体及特征，以及模型已标注特征的修正。
S4.由复核员对经过标注员标注后的标注内容进行复核，不通过复核的数据回传给标注员重新标注，直至全部数据通过复核，具体地，为复核员分配标注复核任务，其中，不通过复核的图像数据回传给标注员重新标注，直至全部图像数据通过复核；将通过复核的图像数据存储至指定数据库。
优选地，该方法还可包括步骤：S5.从通过复核的图像数据中提取对各个标注物体的标注数据，对视频特征识别模型进行重新训练，以提高自动标注的正确性，减少标注员和复核员的工作量，提高工作效率。
此外，该方法还可以包括步骤：根据一段时间内标注员标注的图像数据进行数据统计，分别确定各个标注员的标注质量；以及根据各个标注员的标注质量，确定下一次分发图像标注任务的标注员。
如图2所示，本发明提供了一种视频数据的标注装置，该装置包括：
实时视频接入模块110，用于配置视频图像传输地址，以接入实时视频数据；
自动标注模块120，用于使用训练好的视频特征识别模型对接入的视频数据进行自动标注。具体地，自动标注的具体过程为：选择训练好的视频特征识别模型，通过选中的模型将视频数据解析为图像数据，并筛选出最优图像帧进行自动物体特征标注；将标注后的图像数据存储至数据库。手动标注模块130，用于由标注员对自动标注内容进行手动标注；具体地，手动标注的具体过程为：为标注员分配图像标注任务，其中，一个图像标注任务含有多个图像数据，一个图像数据中至少包含一个已经被模型标注的物体；接收标注员对图像标注任务反馈的标注结果数据，其中，标注结果数据包含标注员对各个待标注物体的标注，标注员标注内容包括新增标注物体及特征，以及模型已标注特征的修正；
标注复核模块140，用于由复核员对经过标注员标注后的标注内容进行复核，不通过复核的数据回传给标注员重新标注，直至全部数据通过复核；具体地，标注复核的具体过程为：为复核员分配标注复核任务，其中，不通过复核的图像数据回传给标注员重新标注，直至全部图像数据通过复核；将通过复核的图像数据存储至指定数据库。
优选地，该装置还可包括训练模块150，用于从通过复核的图像数据中提取对各个标注物体的标注数据，对视频特征识别模型进行重新训练，以提高自动标注的正确性，减少标注员和复核员的工作量，提高工作效率。
此外，本发明还提供了一种终端设备，可包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述方法实施例中的步骤，例如图1所示的步骤S1-S5等方法步骤，或者所述处理器执行所述计算机程序时实现上述装置实施例中各模块/单元的功能，例如实现上述实时视频接入模块110、自动标注模块120、手动标注模块130、标注复核模块140和训练模块150等模块的功能。
示例性地，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。例如，所述计算机程序可以被分割成实时视频接入模块110、自动标注模块120、手动标注模块130、标注复核模块140和训练模块150等模块。
终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括但不仅限于，处理器、存储器。例如其还可以包括输入输出设备、网络接入设备、总线等。
处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上所述的方法的步骤。
计算机程序的各个模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。
Claims (12)
1.一种视频数据的标注方法，其特征在于，该方法包括以下步骤：
S1.配置视频图像传输地址，用于接入实时视频数据；
S2.使用训练好的视频特征识别模型对接入的视频数据进行自动标注；
S3.由标注员对自动标注内容进行手动标注；
S4.由复核员对经过标注员标注后的标注内容进行复核，不通过复核的数据回传给标注员重新标注，直至全部数据通过复核。
2.如权利要求1所述的方法，其特征在于，S2的具体过程为：选择训练好的视频特征识别模型，通过选中的模型将视频数据解析为图像数据，并筛选出最优图像帧进行自动物体特征标注；将标注后的图像数据存储至数据库。
3.如权利要求2所述的方法，其特征在于，S3的具体过程为：为标注员分配图像标注任务，其中，一个图像标注任务含有多个图像数据，一个图像数据中至少包含一个已经被模型标注的物体；接收标注员对图像标注任务反馈的标注结果数据，其中，标注结果数据包含标注员对各个待标注物体的标注，标注员标注内容包括新增标注物体及特征，以及模型已标注特征的修正。
4.如权利要求3所述的方法，其特征在于，S4的具体过程为：为复核员分配标注复核任务，其中，不通过复核的图像数据回传给标注员重新标注，直至全部图像数据通过复核；将通过复核的图像数据存储至指定数据库。
5.如权利要求4所述的方法，其特征在于，该方法还包括步骤：
S5.从通过复核的图像数据中提取对各个标注物体的标注数据，对视频特征识别模型进行重新训练。
6.一种视频数据的标注装置，其特征在于，该装置包括：
实时视频接入模块，用于配置视频图像传输地址，以接入实时视频数据；
自动标注模块，用于使用训练好的视频特征识别模型对接入的视频数据进行自动标注；
手动标注模块，用于由标注员对自动标注内容进行手动标注；
标注复核模块，用于由复核员对经过标注员标注后的标注内容进行复核，不通过复核的数据回传给标注员重新标注，直至全部数据通过复核。
7.如权利要求6所述的装置，其特征在于，自动标注的具体过程为：选择训练好的视频特征识别模型，通过选中的模型将视频数据解析为图像数据，并筛选出最优图像帧进行自动物体特征标注；将标注后的图像数据存储至数据库。
8.如权利要求7所述的装置，其特征在于，手动标注的具体过程为：为标注员分配图像标注任务，其中，一个图像标注任务含有多个图像数据，一个图像数据中至少包含一个已经被模型标注的物体；接收标注员对图像标注任务反馈的标注结果数据，其中，标注结果数据包含标注员对各个待标注物体的标注，标注员标注内容包括新增标注物体及特征，以及模型已标注特征的修正。
9.如权利要求8所述的装置，其特征在于，标注复核的具体过程为：为复核员分配标注复核任务，其中，不通过复核的图像数据回传给标注员重新标注，直至全部图像数据通过复核；将通过复核的图像数据存储至指定数据库。
10.如权利要求9所述的装置，其特征在于，该装置还包括训练模块，用于从通过复核的图像数据中提取对各个标注物体的标注数据，对视频特征识别模型进行重新训练。
11.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～5中任一项所述的方法的步骤。
12.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～5中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911355644.1A CN111027640A (zh) | 2019-12-25 | 2019-12-25 | 一种视频数据的标注方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911355644.1A CN111027640A (zh) | 2019-12-25 | 2019-12-25 | 一种视频数据的标注方法、装置、终端设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111027640A true CN111027640A (zh) | 2020-04-17 |
Family
ID=70214776
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911355644.1A Pending CN111027640A (zh) | 2019-12-25 | 2019-12-25 | 一种视频数据的标注方法、装置、终端设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111027640A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112699945A (zh) * | 2020-12-31 | 2021-04-23 | 青岛海尔科技有限公司 | 数据标注方法及装置、存储介质及电子装置 |
| CN112966588A (zh) * | 2021-03-02 | 2021-06-15 | 南昌黑鲨科技有限公司 | 视频数据标注方法、系统、获取神经网络深度学习的数据源的方法及计算机可读存储介质 |
| CN113539446A (zh) * | 2020-04-21 | 2021-10-22 | 杭州普健医疗科技有限公司 | Ct图像标注方法及系统、存储介质及终端 |
| CN114973056A (zh) * | 2022-03-28 | 2022-08-30 | 华中农业大学 | 基于信息密度的快速视频图像分割标注方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7065705B1 (en) * | 2003-12-02 | 2006-06-20 | Inbit, Inc. | Automatic labeling in images |
| WO2017151759A1 (en) * | 2016-03-01 | 2017-09-08 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Services | Category discovery and image auto-annotation via looped pseudo-task optimization |
| CN108830466A (zh) * | 2018-05-31 | 2018-11-16 | 长春博立电子科技有限公司 | 一种基于云平台的图像内容语义标注系统和方法 |
| CN108985293A (zh) * | 2018-06-22 | 2018-12-11 | 深源恒际科技有限公司 | 一种基于深度学习的图像自动化标注方法及系统 |
| CN109446369A (zh) * | 2018-09-28 | 2019-03-08 | 武汉中海庭数据技术有限公司 | 图像半自动标注的交互方法及系统 |
| CN109685154A (zh) * | 2018-12-29 | 2019-04-26 | 天津链数科技有限公司 | 一种图像数据标注标签的方法 |
| WO2019137196A1 (zh) * | 2018-01-11 | 2019-07-18 | 阿里巴巴集团控股有限公司 | 图像标注信息助理方法、装置、服务器及系统 |
| CN110610175A (zh) * | 2019-08-06 | 2019-12-24 | 深圳市华付信息技术有限公司 | 一种ocr数据误标注清洗方法 |
-
2019
- 2019-12-25 CN CN201911355644.1A patent/CN111027640A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7065705B1 (en) * | 2003-12-02 | 2006-06-20 | Inbit, Inc. | Automatic labeling in images |
| WO2017151759A1 (en) * | 2016-03-01 | 2017-09-08 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Services | Category discovery and image auto-annotation via looped pseudo-task optimization |
| WO2019137196A1 (zh) * | 2018-01-11 | 2019-07-18 | 阿里巴巴集团控股有限公司 | 图像标注信息助理方法、装置、服务器及系统 |
| CN108830466A (zh) * | 2018-05-31 | 2018-11-16 | 长春博立电子科技有限公司 | 一种基于云平台的图像内容语义标注系统和方法 |
| CN108985293A (zh) * | 2018-06-22 | 2018-12-11 | 深源恒际科技有限公司 | 一种基于深度学习的图像自动化标注方法及系统 |
| CN109446369A (zh) * | 2018-09-28 | 2019-03-08 | 武汉中海庭数据技术有限公司 | 图像半自动标注的交互方法及系统 |
| CN109685154A (zh) * | 2018-12-29 | 2019-04-26 | 天津链数科技有限公司 | 一种图像数据标注标签的方法 |
| CN110610175A (zh) * | 2019-08-06 | 2019-12-24 | 深圳市华付信息技术有限公司 | 一种ocr数据误标注清洗方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113539446A (zh) * | 2020-04-21 | 2021-10-22 | 杭州普健医疗科技有限公司 | Ct图像标注方法及系统、存储介质及终端 |
| CN112699945A (zh) * | 2020-12-31 | 2021-04-23 | 青岛海尔科技有限公司 | 数据标注方法及装置、存储介质及电子装置 |
| CN112699945B (zh) * | 2020-12-31 | 2023-10-27 | 青岛海尔科技有限公司 | 数据标注方法及装置、存储介质及电子装置 |
| CN112966588A (zh) * | 2021-03-02 | 2021-06-15 | 南昌黑鲨科技有限公司 | 视频数据标注方法、系统、获取神经网络深度学习的数据源的方法及计算机可读存储介质 |
| CN112966588B (zh) * | 2021-03-02 | 2023-05-30 | 南昌黑鲨科技有限公司 | 视频数据标注方法、系统、获取神经网络深度学习的数据源的方法及计算机可读存储介质 |
| CN114973056A (zh) * | 2022-03-28 | 2022-08-30 | 华中农业大学 | 基于信息密度的快速视频图像分割标注方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111027640A (zh) | 一种视频数据的标注方法、装置、终端设备及存储介质 | |
| CN108595583B (zh) | 动态图表类页面数据爬取方法、装置、终端及存储介质 | |
| CN104317618B (zh) | 一种固件分区处理方法和装置 | |
| CN105894183A (zh) | 项目评价方法及装置 | |
| CN107590291A (zh) | 一种图片的搜索方法、终端设备及存储介质 | |
| CN111340231A (zh) | Shap特征归因方法、装置、设备及可读存储介质 | |
| CN111209931A (zh) | 数据处理方法、平台、终端设备及存储介质 | |
| CN113065609B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
| CN115730605B (zh) | 基于多维信息的数据分析方法 | |
| CN107798082B (zh) | 一种文件标签的处理方法及装置 | |
| CN112331348A (zh) | 集标注、数据、项目管理和无编程化建模的分析方法和系统 | |
| CN112465032A (zh) | 训练数据标注任务的分配方法及装置、计算设备 | |
| CN111340801A (zh) | 一种牲畜盘点方法、装置、设备及存储介质 | |
| CN111507076A (zh) | 一种用于教学系统的共案课件制作方法、装置和终端 | |
| CN111522854B (zh) | 一种数据标注方法、装置、存储介质及计算机设备 | |
| CN116993978A (zh) | 小样本分割方法、系统、可读存储介质及计算机设备 | |
| CN111859933A (zh) | 马来语识别模型的训练方法、识别方法、装置、设备 | |
| CN110633251A (zh) | 一种文件转换方法及设备 | |
| CN115601547A (zh) | 样本图像获取、货物管理方法、装置、设备及存储介质 | |
| CN110544467A (zh) | 语音数据的审核方法、装置、设备及存储介质 | |
| CN115734072A (zh) | 一种工业自动化设备的物联网集中监控方法及装置 | |
| CN111198943A (zh) | 一种简历筛选方法、装置及终端设备 | |
| CN114021555A (zh) | 知识点自动标注的方法、装置、设备及可读存储介质 | |
| CN111428724B (zh) | 一种试卷手写统分方法、装置及存储介质 | |
| CN114115864A (zh) | 一种生成界面的方法、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200417 |
|
| RJ01 | Rejection of invention patent application after publication |