CN111539481B - 图像标注方法、装置、电子设备及存储介质 - Google Patents
图像标注方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111539481B CN111539481B CN202010351830.4A CN202010351830A CN111539481B CN 111539481 B CN111539481 B CN 111539481B CN 202010351830 A CN202010351830 A CN 202010351830A CN 111539481 B CN111539481 B CN 111539481B
- Authority
- CN
- China
- Prior art keywords
- labeling
- annotation
- image
- remote sensing
- option
- 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.)
- Active
Links
- 238000002372 labelling Methods 0.000 title claims abstract description 296
- 238000009877 rendering Methods 0.000 claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 60
- 230000001960 triggered effect Effects 0.000 claims abstract description 16
- 230000004048 modification Effects 0.000 claims description 59
- 238000012986 modification Methods 0.000 claims description 59
- 238000013528 artificial neural network Methods 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/40—Software arrangements specially adapted for pattern recognition, e.g. user interfaces or toolboxes therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/0482—Interaction with lists of selectable items, e.g. menus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开提供了一种图像标注方法、装置、电子设备及存储介质,其中,该方法包括:获取并展示遥感图像和与所述遥感图像对应的标注图像;若检测到与第一地表覆盖物类型对应的第一标注选项被触发,则响应于对所述遥感图像的标注操作,利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像;其中,不同地表覆盖物类型对应的标注样式和标注图层不同,所述第一地表覆盖物类型为所述不同地表覆盖物类型中的任一种。
Description
技术领域
本公开涉及计算机视觉技术领域,具体而言,涉及一种图像标注方法及装置。
背景技术
深度学习技术的突飞猛进带来了应用在遥感领域的效果极大提升,伴随着越来越多的应用目的,对训练数据的标注要求也越来越多,但是目前图像标注工具均设计为针对汽车、行人、自行车等通用目标物,而对于遥感领域涉及的遥感图像,由于遥感图像本身涵盖的地表覆盖物较多,且地表覆盖物的分布情况较为复杂,在对此类遥感图像进行标注过程,很容易出现标注错误且标注错误后很难修改的问题,导致样本数据的标注效率以及标注的准确度较低。
发明内容
本公开实施例至少提供一种图像标注方法、装置、电子设备及存储介质。
第一方面,本公开实施例提供了一种图像标注方法,所述方法包括:
获取并展示遥感图像和与所述遥感图像对应的标注图像;
若检测到与第一地表覆盖物类型对应的第一标注选项被触发,则响应于对所述遥感图像的标注操作,利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像;其中,不同地表覆盖物类型对应的标注样式和标注图层不同,所述第一地表覆盖物类型为所述不同地表覆盖物类型中的任一种。
上述方法中,通过在界面上展示遥感图像以及对应的标注图像,可以实现标注过程的可视化呈现,并且,在标注过程中,针对不同地表覆盖物类型分别配置不同的标注样式和标注图层,这样,在检测到任一第一地表覆盖物类型对应的第一标注选项被触发后,可以利用第一地表覆盖物类型对应的第一标注样式在对应的第一标注图层上进行渲染操作,从而得到标注后的目标图像,即使在标注类别复杂的情况下,仍可以针对各个标注类型分别在对应的图层上进行不同标注样式的渲染,便于标注操作且提升了标注效率及准确度。
一种可选的实施方式中,所述方法还包括:
检测所述第二地表覆盖物类型的标注修改选项的状态;
所述利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像,包括:
若第一标注图层的待渲染区域与第二地表覆盖物类型对应的第二标注图层的部分渲染区域重叠,且所述第二地表覆盖物类型的标注修改选项的状态为去使能,则利用所述第一标注样式,渲染所述第一标注图层中未与所述部分渲染区域重叠的区域,得到标注后的目标图像。
一种可能的实施方式中,所述利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像,包括:
若所述第一标注图层的待渲染区域与所述第二地表覆盖物类型对应的部分渲染区域重叠,且所述第二地表覆盖物类型的标注修改选项的状态为使能,则利用所述第一标注样式,渲染所述第一标注图层,得到标注后的目标图像。
上述实施方式中,可以在所述第一标注图层的待渲染区域与所述第二地表覆盖物类型对应的部分渲染区域重叠时,通过第二地表覆盖物类型的标注修改选项的状态,判断是否需要对重叠区域进行渲染,实现对重叠区域的灵活渲染,提高了标注的准确度。
一种可选的实施方式中,所述方法还包括:检测所述第一地表覆盖物类型的标注修改选项的状态;在利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像之前,还包括:确定所述第一地表覆盖物类型的标注修改选项的状态为使能。
上述实施方式中,通过设置第一地表覆盖物类型对应的第一标注修改选项的状态,在该状态为使能时渲染标注图像中与第一地表覆盖物类型对应的第一标注图层,避免对第一地表覆盖物类型对应的标注图层产生误标注操作,提高了标注的准确度。
一种可选的实施方式中,所述方法还包括:
基于不同地表覆盖物类型分别对应的标注选项的触发操作,依次利用不同标注选项分别对应的标注样式,渲染所述标注图像中的各个标注图层,得到标注有不同地表覆盖物类别的目标图像。
上述实施方式中,在遥感图像中包括不同地表覆盖物类型时,可以依次利用不同标注选项分别对应的标注样式,渲染标注图像中各个标注图层,以得到最终的目标图层作为标注好的训练样本,标注过程简单,效率高。
一种可选的实施方式中,所述方法还包括:
将所述标注有不同地表覆盖物类别的目标图像作为训练样本集中的样本图像,训练神经网络,得到训练后的目标神经网络,所述目标神经网络用于预测输入的遥感图像中不同地表覆盖物类型所在区域。
上述实施方式中,由于得到的目标图像的效率较高、准确较高,使得基于该目标图像训练神经网络时,训练效率较高,且训练得到的神经网络的准确度较高。
一种可选的实施方式中,所述第一标注选项对应的第一标注样式至少包括标注颜色和/或标注形状。
一种可选的实施方式中,所述不同地表覆盖物类型包括耕地、林地、草地、灌木林、湿地、水体、苔原、不透水层、裸地、冰雪地中的至少两种。
第二方面,本公开实施例还提供一种图像标注装置,包括:
获取模块,用于获取并展示遥感图像和与所述遥感图像对应的标注图像;
标注模块,用于若检测到与第一地表覆盖物类型对应的第一标注选项被触发,则响应于对所述遥感图像的标注操作,利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像;
其中,不同地表覆盖物类型对应的标注样式和标注图层不同,所述第一地表覆盖物类型为所述不同地表覆盖物类型中的任一种。
一种可选的实施方式中,所述装置还包括:
第一检测模块,用于检测所述第二地表覆盖物类型的标注修改选项的状态;
所述标注模块,在利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像时,用于:
若第一标注图层的待渲染区域与第二地表覆盖物类型对应的第二标注图层的部分渲染区域重叠,且所述第二地表覆盖物类型的标注修改选项的状态为去使能,则利用所述第一标注样式,渲染所述第一标注图层中未与所述部分第二标注图层重叠的区域,得到标注后的目标图像。
一种可选的实施方式中,所述标注模块,在利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像时,用于:
若所述第一标注图层的待渲染区域与所述第二地表覆盖物类型对应的部分渲染区域重叠,且所述第二地表覆盖物类型的标注修改选项的状态为使能,则利用所述第一标注样式,渲染所述第一标注图层,得到标注后的目标图像。
一种可选的实施方式中,所述装置还包括:第二检测模块;
所述第二检测模块,用于检测所述第一地表覆盖物类型的标注修改选项的状态;
所述标注模块,在利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像之前,还用于:
确定所述第一地表覆盖物类型的标注修改选项的状态为使能。
一种可选的实施方式中,所述装置还包括:
渲染模块,用于基于不同地表覆盖物类型分别对应的标注选项的触发操作,依次利用不同标注选项分别对应的标注样式,渲染所述标注图像中的各个标注图层,得到标注有不同地表覆盖物类别的目标图像。
一种可选的实施方式中,所述装置还包括:
训练模块,用于将所述标注有不同地表覆盖物类别的目标图像作为训练样本集中的样本图像,训练神经网络,得到训练后的目标神经网络,所述目标神经网络用于预测输入的遥感图像中不同地表覆盖物类型所在区域。
一种可选的实施方式中,所述第一标注选项对应的第一标注样式至少包括标注颜色和/或标注形状。
一种可选的实施方式中,所述不同地表覆盖物类型包括耕地、林地、草地、灌木林、湿地、水体、苔原、不透水层、裸地、冰雪地中的至少两种。
第三方面,本公开实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
第四方面,本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本公开实施例所提供的一种图像标注方法的流程图;
图2示出了本公开实施例所提供的一种图像标注的界面示意图;
图3示出了本公开实施例所提供的一种图像标注装置的示意图;
图4示出了本公开实施例所提供的一种电子设备400的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
目前,可以通过训练后深度学习模型进行遥感影像解释,在训练深度学习模型时,需要使用大量的样本数据,样本数据中可以包括遥感图像和对应的标注数据,且标注数据越精准,训练得到的模型的效果越好。但是,由于地表覆盖物的种类较多,且遥感图像中地面覆盖物的分布情况较复杂,使得在对遥感图像进行标注,得到标注数据时,容易出现标注错误以及标注错误后较难修改的问题,进而导致样本数据的标注效率和标注的准确度较低。为了解决上述问题,本公开提供了一种图像标注方法,可以较准确、较快速的对遥感图像进行标注。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种图像标注方法进行详细介绍。
本公开实施例提供的图像标注方法可应用于支持显示功能的终端设备。例如,终端设备可以是电脑、智能手机、平板电脑等,本公开对此并不限定。
参见图1所示,为本公开实施例一提供的图像标注方法的流程图,所述方法包括S101~S102,其中:
S101:获取并展示遥感图像和所述遥感图像对应的标注图像。
S102:若检测到与第一地表覆盖物类型对应的第一标注选项被触发,则响应于对遥感图像的标注操作,利用与第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像。
其中,不同地表覆盖物类型对应的标注样式和标注图层不同;第一地表覆盖物类型为不同地表覆盖物类型中的任一种。
示例性的,遥感图像可以为记录各种地物电磁波大小的胶片或照片;标注图像可以为每个像素点的像素值均为预设像素值的图像,预设像素值可以为0-255中的任一值。比如,标注图像可以为每个像素点的像素值均为0的图像,或者,标注图像可以为每个像素点的像素值均为255的图像等。其中,遥感图像与标注图像对应,可以理解为遥感图像与标注图像的尺寸相同或按照一定比例扩大或缩小,本公开对此并不限定。
可以从存储装置中获取遥感图像和标注图像,该遥感图像和标注图像的存储位置可以相同,也可以不同。将获取的遥感图像和标注图像展示在终端设备的展示界面上,可以在标注过程中实时显示标注图像当前的标注状态,实现标注过程的可视化呈现。
示例性的,不同地表覆盖物类型可以为耕地、林地、草地、灌木林、湿地、水体、苔原、不透水层、裸地、冰雪地中的至少两种;以及第一标注选项对应的第一标注样式至少包括标注颜色和/或标注形状。
第一地表覆盖物类型可以为不同地表覆盖物类型中的任一种。比如,第一地表覆盖物类型可以为耕地,可以通过触发耕地对应的第一标注选项,对遥感图像进行标注操作,并利用第一标注选项对应的第一标注样式,渲染标注图像中的第一标注图层,得到标注后的目标图像。其中,第一标注图层为第一地表覆盖物类型对应的图层。
在一些实施例中,可以根据检测到的标注操作的操作范围,确定在第一标注图层上进行渲染操作的待渲染区域,比如,标注操作可以是针对遥感图像上耕地所在区域的用户选中操作,用户选中操作可以是触摸式操作也可以是点击式或者滑动式操作等,本公开对此并不限定,基于在遥感图像上的用户选中操作的操作范围,可以确定出在相应的标注图像的第一标注图层的待渲染区域。
示例性的,在第一标注样式包括标注颜色的情况下,可以利用与第一地表覆盖物类型对应的标注颜色,渲染标注图像中的第一标注图层上对应的待渲染区域,得到标注后的目标图像。比如若耕地对应的第一标注样式指示的标注颜色为豆绿色,则可以将第一标注图层上对应的渲染区域渲染成豆绿色,得到标注后的目标图像。
示例性的,在第一标注样式包括标注形状的情况下,标注形状可以为设置的多边形,也可以为线条等,本公开对此并不限定。这里,可以利用与第一地表覆盖物类型对应的标注形状,渲染标注图像中的第一标注图层,即在第一标注图层中,标注第一地表覆盖物类型对应的地表覆盖物的标注形状,得到标注后的目标图像。比如可以在第一标注图层中,采用多线条围成的区域标注出耕地对应的地表覆盖物的范围,得到标注后的目标图像。
上述方法中,通过在界面上展示遥感图像以及对应的标注图像,可以实现标注过程的可视化呈现,并且,在标注过程中,针对不同地表覆盖物类型分别配置不同的标注样式和标注图层,这样,在检测到任一第一地表覆盖物类型对应的第一标注选项被触发后,可以利用第一地表覆盖物类型对应的第一标注样式在对应的第一标注图层上进行渲染操作,从而得到标注后的目标图像,即使在标注类别复杂的情况下,仍可以针对各个标注类型分别在对应的图层上进行不同标注样式的渲染,便于标注操作且提升了标注效率及准确度。
在具体实施时,该图像标注方法还可以包括:检测第二地表覆盖物类型的标注修改选项的状态。其中,标注修改选项的状态可以包括去使能和使能。去使能状态用于表征禁止对地表覆盖物类型对应的标注图层进行修改,使能状态用于表征允许对地表覆盖物类型对应的标注图层进行修改。
一种可选实施方式中,利用与第一标注选项对应的第一标注样式,渲染标注图像中与第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像,包括:
若第一标注图层的待渲染区域与第二地表覆盖物类型对应的第二标注图层的部分渲染区域重叠,且第二地表覆盖物类型的标注修改选项的状态为去使能,则利用第一标注样式,渲染第一标注图层中未与部分渲染区域重叠的区域,得到标注后的目标图像。
若第一标注图层的待渲染区域与第二地表覆盖物类型对应的部分渲染区域重叠,且第二地表覆盖物类型的标注修改选项的状态为使能,则利用第一标注样式,渲染第一标注图层,得到标注后的目标图像。
在一些实施例中,根据检测到的标注操作的操作范围,可以得到对应第一标注图层的待渲染区域,考虑到用户在执行标注操作时,比如通过滑动鼠标用线条框出第一地表覆盖物类型所在区域时,有时候可能会因误操作导致操作范围超出第一地表覆盖物类型所在区域,误标注到了第二地表覆盖物所在区域,这种情况下,为了避免误操作导致第一地表覆盖物的待渲染区域超范围,进而影响到第二地表覆盖物类型的部分渲染区域,本公开实施例中,在检测到第一标注图层的待渲染区域与第二地表覆盖物类型对应的第二标注图层的部分渲染区域重叠的情况下,可以先判断第二地表覆盖物类型的标注修改选项的状态,若该第二地表覆盖物类型的标注修改选项的状态为去使能(即表征禁止对第二地表覆盖物类型对应的第二标注图层进行修改),则存在重叠的第二标注图层的部分渲染区域不能被渲染,故可以利用第一标注样式,渲染第一标注图层中未与上述部分渲染区域重叠的区域,得到标注后的目标图像;若该第二地表覆盖物类型的标注修改选项的状态为使能时(即表征允许对第二地表覆盖物类型对应的第二标注图层进行修改),则可以利用第一标注样式,直接对上述第一标注图层的待渲染区域进行渲染,得到标注后的目标图像。
上述实施方式中,可以在第一标注图层的待渲染区域与第二地表覆盖物类型对应的第二标注图层的部分渲染区域重叠时,通过第二地表覆盖物类型的标注修改选项的状态,判断是否需要对重叠区域进行渲染,实现对重叠区域的灵活渲染,提高了标注的准确度。
一种可能实施方式中,该方法还包括:检测第一地表覆盖物类型的标注修改选项的状态;在利用与第一标注选项对应的第一标注样式,渲染标注图像中与第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像之前,还包括:确定第一地表覆盖物类型的标注修改选项的状态为使能。
在具体实施时,在检测到与第一地表覆盖物类型对应的第一标注选项被触发后,还可以检测第一地表覆盖物类型的第一标注修改选项的状态,在该第一地表覆盖物类型的第一标注修改选项的状态为使能时(表征允许对第一地表覆盖物类型对应的第一标注图层进行修改),则渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层;在该第一地表覆盖物类型的第一标注修改选项的状态为去使能时(表征禁止对第一地表覆盖物类型对应的第一标注图层进行修改),则不对遥感图像的标注操作进行响应,不允许在标注图像上进行渲染处理。
上述实施方式中,通过设置第一地表覆盖物类型对应的第一标注修改选项的状态,在该状态为使能时,对标注图像中与第一地表覆盖物类型对应的第一标注图层进行渲染,避免对第一地表覆盖物类型对应的标注图层产生误标注操作,提高了标注的准确度。
一种可选实施方式中,该图像标注方法还可以包括:
基于不同地表覆盖物类型分别对应的标注选项的触发操作,依次利用不同标注选项分别对应的标注样式,渲染标注图像中的各个图层,得到标注有不同地表覆盖物类别的目标图像。
示例性说明,在标注样式为标注颜色时,可以为不同地表覆盖物类型对应的不同标注选项设置对应的标注颜色。比如,可以为耕地对应的标注选项的标注颜色设置为豆绿色,可以为水体对应的标注选项的标注颜色设置为深蓝色,可以为不透水层对应的标注选项的标注颜色设置为紫色等。
比如,若遥感图像A中包括耕地、林地、以及草地时,可以先触发耕地对应的标注选项,利用耕地对应的标注样式,第一次渲染标注图像中与耕地对应的第一标注图层;再触发林地对应的标注选项,利用林地对应的标注样式,第二次渲染标注图像中与林地对应的第二标注图层;最后触发草地对应的标注选项,利用草地对应的标注样式,第三次渲染标注图像中与草地对应的第三标注图层,通过对上述三次渲染操作得到的三个标注图层进行融合,可以得到标注有不同地表覆盖物类别的目标图像。其中,不同地表覆盖物类型对应的渲染顺序为随机确定的,此处仅为示例性说明。
这里,标注样式至少包括标注颜色和/或标注形状。即可以利用地表覆盖物分别对应的标注颜色和/或标注形状,渲染标注图像,得到标注有不同地表覆盖物类别的目标图像。上述实施方式中,在遥感图像中包括不同地表覆盖物类型时,可以依次利用不同标注选项分别对应的标注样式,渲染标注图像中各个标注图层,以得到最终的目标图像作为标注好的训练样本,标注过程简单,效率高。
一种可选实施方式中,该图像标注方法还可以包括:
将标注有不同地表覆盖物类别的目标图像作为训练样本集中的样本图像,训练神经网络,得到训练后的目标神经网络,目标神经网络用于预测输入的遥感图像中不同地表覆盖物类型所在区域。
可以将目标图像作为样本图像,输入至神经网络中,得到样本图像对应的预测结果,基于预测结果和样本图像对应的标注结果,对神经网络的参数进行调整,直至神经网络满足预设截止条件为止,得到训练后的目标神经网络。示例性的,该目标神经网络可以用于预测输入的遥感图像中不同地表覆盖物类型所在区域;预设截止条件可以为神经网络的准确度大于或等于设置的准确度阈值等。
上述实施方式中,由于得到的目标图像的效率较高、准确较高,使得基于该目标图像训练神经网络时,训练效率较高,且训练得到的神经网络的准确度较高。
以下为本公开实施例的示例性说明:
可以获取遥感图像和遥感图像对应的标注图像,并将该获取的遥感图像和标注图像展示在终端设备的显示界面上,参见图2所示的一种图像标注的界面示意图,图中从左至右依次包括标注操作区域、图像展示区域、标注修改操作区域。
标注操作区域从上至下依次为基本操作选项、标注样式选项、至少一种地表覆盖物类型对应的标注选项。基本操作选项中包括打开图像操作选项、保存操作选项、刷新操作选项、放大缩小操作选项、一比一缩放操作选项。标注样式选项中可包括标注操作采用的标注形状,比如选择线条标注,或者多边形标注等。至少一种地表覆盖物类型对应的标注选项可以包括耕地、林地、草地、灌木林、湿地、水体、苔原、不透水层、裸地、冰雪地等。每种标注选项可对应一种标注颜色,这样,在标注选项被触发之后可采用对应的标注颜色进行渲染处理。
图像展示区域中包括遥感图像展示区域和标注图像展示区域,遥感图像展示区域用于展示获取的遥感图像,标注图像展示区域用于展示遥感图像对应的标注图像。用户标注过程可以针对遥感展示区域展示的遥感图像进行。通过检测用户标注过程的选中操作的范围,可以映射到对应的标注图像的一标注图层上,得到该标注图层上的待渲染区域。进而,可以基于用户选中的标注形状和/或标注颜色,对该标注图层上的待渲染区域进行渲染。
标注修改操作区域包括至少一种地表覆盖物类型分别对应的标注修改选项,以及基本修改选项包括全选选项和反选选项。示例性的,任一标注修改选项被选中时,可以表征该标注修改选项的状态为使能,即允许对该标注修改选项对应的地表覆盖物类型对应的标注图层进行修改,反之,若该标注修改选项未被选中时,可以表征该标注修改选项的状态为去使能,即不允许对该标注修改选项对应的地表覆盖物类型对应的标注图层进行修改。通过标注修改选项的状态设置,用户可以按实际标注需求来配置各个地表覆盖物类型对应的状态,进而可以便于标注操作。
示例性的,可以通过触发第一地表覆盖物类型对应的第一标注选项,对第一标注图层进行渲染。比如,可以通过点击草地对应的第一标注选项,响应于遥感图像的标注操作,利用草地对应的第一标注选项指示的标注颜色(标注颜色即为第一标注样式),渲染展示在标注图像展示区域的标注图像中的第一标注图层,得到标注后的目标图像。
示例性,还可以触发标注样式选项,选择第一标注样式中的标注形状,利用标注形状对触发的第一地表覆盖物进行渲染,其中,标注样式选项中包括多边形操作选项和人工勾绘选项(通过人工勾绘的方式得到地表覆盖物的真实形状,人工勾绘可以采用线条的形式)。比如,可以点击标注样式选项,选择多边形操作选项,在触发第一地表覆盖物类型对应的第一标注选项之后,在第一标注图层中标注与第一地表覆盖物对应的多边形,在利用与第一地表覆盖物对应的标注颜色,渲染多边形对应的区域,得到标注后的目标图像。或者,可以点击标注样式选项,从多边形操作选项切换到人工勾绘选项,在触发第一地表覆盖物类型对应的第一标注选项之后,在第一标注图层中人工勾绘确定第一地表覆盖物对应的真实形状,在利用与第一地表覆盖物对应的标注颜色,渲染真实形状对应的区域,得到标注后的目标图像。
示例性的,可以通过全选选项对至少一种地表覆盖物类型对应的标注修改选项进行全选,使得选中的每一种地表覆盖物类型的标注修改选项的状态为使能,进而可以对标注图像中的每种地表覆盖物类型对应的地表覆盖物的标注形状和/或标注颜色进行修改。比如,在图中的地表覆盖物类型前面设置的标志图像为“□”时,则该地表覆盖物类型没有被选中,即该地表覆盖物类型的标注修改选项的状态为去使能;在图中的地表覆盖物类型前面设置的标志图像为时,则该地表覆盖物类型被选中,即该地表覆盖物类型的标注修改选项的状态为使能。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与图像标注方法对应的图像标注装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述图像标注方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参照图3所示,为本公开实施例提供的一种图像标注装置的示意图,所述装置包括:获取模块301、标注模块302、第一检测模块303、第二检测模块304、渲染模块305、训练模块306;其中,
获取模块301,用于获取并展示遥感图像和与所述遥感图像对应的标注图像;
标注模块302,用于若检测到与第一地表覆盖物类型对应的第一标注选项被触发,则响应于对所述遥感图像的标注操作,利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像;
其中,不同地表覆盖物类型对应的标注样式和标注图层不同,所述第一地表覆盖物类型为所述不同地表覆盖物类型中的任一种。
一种可选的实施方式中,所述装置还包括:
第一检测模块303,用于检测所述第二地表覆盖物类型的标注修改选项的状态;
所述标注模块302,在利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像时,用于:
若第一标注图层的待渲染区域与第二地表覆盖物类型对应的第二标注图层的部分渲染区域重叠,且所述第二地表覆盖物类型的标注修改选项的状态为去使能,则利用所述第一标注样式,渲染所述第一标注图层中未与所述部分第二标注图层重叠的区域,得到标注后的目标图像。
一种可选的实施方式中,所述标注模块302,在利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像时,用于:
若所述第一标注图层的待渲染区域与所述第二地表覆盖物类型对应的部分渲染区域重叠,且所述第二地表覆盖物类型的标注修改选项的状态为使能,则利用所述第一标注样式,渲染所述第一标注图层,得到标注后的目标图像。
一种可选的实施方式中,所述装置还包括:第二检测模块304;
所述第二检测模块304,用于检测所述第一地表覆盖物类型的标注修改选项的状态;
所述标注模块302,在利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像之前,还用于:
确定所述第一地表覆盖物类型的标注修改选项的状态为使能。
一种可选的实施方式中,所述装置还包括:
渲染模块305,用于基于不同地表覆盖物类型分别对应的标注选项的触发操作,依次利用不同标注选项分别对应的标注样式,渲染所述标注图像中的各个标注图层,得到标注有不同地表覆盖物类别的目标图像。
一种可选的实施方式中,所述装置还包括:
训练模块306,用于将所述标注有不同地表覆盖物类别的目标图像作为训练样本集中的样本图像,训练神经网络,得到训练后的目标神经网络,所述目标神经网络用于预测输入的遥感图像中不同地表覆盖物类型所在区域。
一种可选的实施方式中,所述第一标注选项对应的第一标注样式至少包括标注颜色和/或标注形状。
一种可选的实施方式中,所述不同地表覆盖物类型包括耕地、林地、草地、灌木林、湿地、水体、苔原、不透水层、裸地、冰雪地中的至少两种。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
基于同一技术构思,本公开实施例还提供了一种电子设备400。参照图4所示,为本公开实施例提供的电子设备400的结构示意图,包括处理器401、存储器402、和总线403。其中,存储器402用于存储执行指令,包括内存4021和外部存储器4022;这里的内存4021也称内存储器,用于暂时存放处理器401中的运算数据,以及与硬盘等外部存储器4022交换的数据,处理器401通过内存4021与外部存储器4022进行数据交换,当电子设备400运行时,处理器401与存储器402之间通过总线403通信,使得处理器401在执行以下指令:
获取并展示遥感图像和与所述遥感图像对应的标注图像;
若检测到与第一地表覆盖物类型对应的第一标注选项被触发,则响应于对所述遥感图像的标注操作,利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像;其中,不同地表覆盖物类型对应的标注样式和标注图层不同,所述第一地表覆盖物类型为所述不同地表覆盖物类型中的任一种。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的图像标注方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例所提供的图像标注方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行上述方法实施例中所述的图像标注方法的步骤,具体可参见上述方法实施例,在此不再赘述。
本公开实施例还提供一种计算机程序,该计算机程序被处理器执行时实现前述实施例的任意一种方法。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software DevelopmentKit,SDK)等等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (11)
1.一种图像标注方法,其特征在于,所述方法包括:
获取并展示遥感图像和所述遥感图像对应的标注图像;
若检测到与第一地表覆盖物类型对应的第一标注选项被触发,则响应于对所述遥感图像的标注操作,利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像;
其中,不同地表覆盖物类型对应的标注样式和标注图层不同,所述第一地表覆盖物类型为所述不同地表覆盖物类型中的任一种;
图像展示区域包括遥感图像展示区域和标注图像展示区域,所述遥感图像展示区域用于展示所述遥感图像,所述标注图像展示区域用于展示所述遥感图像对应的标注图像;并且所述标注操作为针对所述遥感图像展示区域展示的所述遥感图像进行的;
渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层的过程包括:检测用户标注过程中在遥感图像上选中操作的范围,并映射到标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到所述第一标注图层上的待渲染区域,利用与所述第一标注选项对应的第一标注样式,对待渲染区域进行渲染。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
检测第二地表覆盖物类型的标注修改选项的状态;
所述利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像,包括:
若第一标注图层的待渲染区域与第二地表覆盖物类型对应的第二标注图层的部分渲染区域重叠,且所述第二地表覆盖物类型的标注修改选项的状态为去使能,则利用所述第一标注样式,渲染所述第一标注图层中未与所述部分第二标注图层重叠的区域,得到标注后的目标图像。
3.根据权利要求2所述的方法,其特征在于,所述利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像,包括:
若所述第一标注图层的待渲染区域与所述第二地表覆盖物类型对应的部分渲染区域重叠,且所述第二地表覆盖物类型的标注修改选项的状态为使能,则利用所述第一标注样式,渲染所述第一标注图层,得到标注后的目标图像。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
检测所述第一地表覆盖物类型的标注修改选项的状态;
在利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像之前,还包括:
确定所述第一地表覆盖物类型的标注修改选项的状态为使能。
5.根据权利要求1-4任一所述的方法,其特征在于,所述方法还包括:
基于不同地表覆盖物类型分别对应的标注选项的触发操作,依次利用不同标注选项分别对应的标注样式,渲染所述标注图像中的各个标注图层,得到标注有不同地表覆盖物类别的目标图像。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
将所述标注有不同地表覆盖物类别的目标图像作为训练样本集中的样本图像,训练神经网络,得到训练后的目标神经网络,所述目标神经网络用于预测输入的遥感图像中不同地表覆盖物类型所在区域。
7.根据权利要求1至6任一所述的方法,其特征在于,所述第一标注选项对应的第一标注样式至少包括标注颜色和/或标注形状。
8.根据权利要求1至7任一所述的方法,其特征在于,所述不同地表覆盖物类型包括耕地、林地、草地、灌木林、湿地、水体、苔原、不透水层、裸地、冰雪地中的至少两种。
9.一种图像标注装置,其特征在于,所述装置包括:
获取模块,用于获取并展示遥感图像和所述遥感图像对应的标注图像;
标注模块,用于若检测到与第一地表覆盖物类型对应的第一标注选项被触发,则响应于对所述遥感图像的标注操作,利用与所述第一标注选项对应的第一标注样式,渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到标注后的目标图像;
其中,不同地表覆盖物类型对应的标注样式和标注图层不同,所述第一地表覆盖物类型为所述不同地表覆盖物类型中的任一种;图像展示区域包括遥感图像展示区域和标注图像展示区域,遥感图像展示区域用于展示遥感图像,标注图像展示区域用于展示遥感图像对应的标注图像;并且所述标注操作为针对遥感区域展示的遥感图像进行的;
渲染所述标注图像中与所述第一地表覆盖物类型对应的第一标注图层的过程包括:检测用户标注过程中在遥感图像上选中操作的范围,并映射到标注图像中与所述第一地表覆盖物类型对应的第一标注图层,得到所述第一标注图层上的待渲染区域,利用与所述第一标注选项对应的第一标注样式,对待渲染区域进行渲染。
10.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至8任一所述的图像标注方法的步骤。
11.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至8任一所述的图像标注方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010351830.4A CN111539481B (zh) | 2020-04-28 | 2020-04-28 | 图像标注方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010351830.4A CN111539481B (zh) | 2020-04-28 | 2020-04-28 | 图像标注方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111539481A CN111539481A (zh) | 2020-08-14 |
CN111539481B true CN111539481B (zh) | 2024-03-08 |
Family
ID=71975810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010351830.4A Active CN111539481B (zh) | 2020-04-28 | 2020-04-28 | 图像标注方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111539481B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113535042B (zh) * | 2020-09-18 | 2023-09-22 | 厦门市和家健脑智能科技有限公司 | 基于老年人认知识别图像的生成方法和装置 |
CN112346807A (zh) * | 2020-11-06 | 2021-02-09 | 广州小鹏自动驾驶科技有限公司 | 一种图像标注方法和装置 |
CN113779167B (zh) * | 2021-08-20 | 2023-11-07 | 北京百度网讯科技有限公司 | 一种地图数据处理方法、装置、设备以及存储介质 |
CN116630825A (zh) * | 2023-06-09 | 2023-08-22 | 北京佳格天地科技有限公司 | 一种卫星遥感数据与监控视频融合方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629432A (zh) * | 2012-04-23 | 2012-08-08 | 中国水电顾问集团成都勘测设计研究院 | 水电行业电子地图的处理方法 |
WO2018121690A1 (zh) * | 2016-12-29 | 2018-07-05 | 北京市商汤科技开发有限公司 | 对象属性检测、神经网络训练、区域检测方法和装置 |
CN109035370A (zh) * | 2018-07-23 | 2018-12-18 | 郑州云海信息技术有限公司 | 一种图片标注方法与系统 |
CN109785410A (zh) * | 2019-01-30 | 2019-05-21 | 郑州云海信息技术有限公司 | 一种图层合并方法、装置及相关组件 |
CN109859211A (zh) * | 2018-12-28 | 2019-06-07 | 努比亚技术有限公司 | 一种图像处理方法、移动终端及计算机可读存储介质 |
-
2020
- 2020-04-28 CN CN202010351830.4A patent/CN111539481B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629432A (zh) * | 2012-04-23 | 2012-08-08 | 中国水电顾问集团成都勘测设计研究院 | 水电行业电子地图的处理方法 |
WO2018121690A1 (zh) * | 2016-12-29 | 2018-07-05 | 北京市商汤科技开发有限公司 | 对象属性检测、神经网络训练、区域检测方法和装置 |
CN109035370A (zh) * | 2018-07-23 | 2018-12-18 | 郑州云海信息技术有限公司 | 一种图片标注方法与系统 |
CN109859211A (zh) * | 2018-12-28 | 2019-06-07 | 努比亚技术有限公司 | 一种图像处理方法、移动终端及计算机可读存储介质 |
CN109785410A (zh) * | 2019-01-30 | 2019-05-21 | 郑州云海信息技术有限公司 | 一种图层合并方法、装置及相关组件 |
Non-Patent Citations (1)
Title |
---|
基于遥感图像的人工标注系统的设计与实现;邱程等;电脑知识与技术;第14卷(第23期);219-221 * |
Also Published As
Publication number | Publication date |
---|---|
CN111539481A (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539481B (zh) | 图像标注方法、装置、电子设备及存储介质 | |
CN109584307B (zh) | 改进摄像机固有参数校准的系统和方法 | |
JP5216834B2 (ja) | オブジェクト表示装置及びオブジェクト表示方法 | |
CN104978739B (zh) | 一种图像对象选取方法和装置 | |
EP4071704A1 (en) | System and method for digital markups of custom products | |
CN110933296A (zh) | 用于提供内容感知照片滤镜的装置和方法 | |
CN110794955B (zh) | 定位跟踪方法、装置、终端设备及计算机可读取存储介质 | |
US9804955B2 (en) | Method and apparatus for creating reference images for an automated test of software with a graphical user interface | |
CN109816745A (zh) | 人体热力图展示方法及相关产品 | |
CN109901123A (zh) | 传感器标定方法、装置、计算机设备和存储介质 | |
CN108876857A (zh) | 无人驾驶车辆的定位方法、系统、设备及存储介质 | |
CN104766354B (zh) | 一种增强现实绘图的方法及移动终端 | |
CN115661371B (zh) | 三维对象建模方法、装置、计算机设备及存储介质 | |
CN110264523A (zh) | 一种确定测试图像中的目标图像的位置信息的方法与设备 | |
CN110737326A (zh) | 虚拟对象的显示方法、装置、终端设备及存储介质 | |
CN105554366A (zh) | 一种多媒体拍摄处理方法、装置及智能终端 | |
CN108038491A (zh) | 一种图像分类方法及装置 | |
CN112597983B (zh) | 一种遥感图像中目标对象的识别方法及其存储介质和系统 | |
CN110163914A (zh) | 基于视觉的定位 | |
CN113778294A (zh) | 用于avp的交互界面的处理方法、装置、设备与介质 | |
CN112732377A (zh) | 图像的展示方法、装置及存储介质 | |
CN110443322A (zh) | 图像处理方法、装置、服务器及可读存储介质 | |
CN107566718A (zh) | 一种两用监控摄像机以及实现方法 | |
CN112732146B (zh) | 图像的展示方法及装置、存储介质 | |
JP7039351B2 (ja) | 家屋異動判読支援システム、家屋異動判読支援方法および家屋異動判読支援プログラム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |