CN111639705A - 一种批量图片标注方法、系统、机器可读介质及设备 - Google Patents
一种批量图片标注方法、系统、机器可读介质及设备 Download PDFInfo
- Publication number
- CN111639705A CN111639705A CN202010474075.9A CN202010474075A CN111639705A CN 111639705 A CN111639705 A CN 111639705A CN 202010474075 A CN202010474075 A CN 202010474075A CN 111639705 A CN111639705 A CN 111639705A
- Authority
- CN
- China
- Prior art keywords
- attribute
- pictures
- picture
- marking
- batch
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种批量图片标注方法,包括:确定出图片标注属性及属性类别;确定出图片标注属性及属性类别;根据所述图片标注属性及属性类别对待标注图片进行选择,完成批量图片的标注。本发明解决了对单个人一次性标注所有属性时速度慢,容易疲劳,容易出错的现象。
Description
技术领域
本发明涉及人工智能领域,具体涉及一种批量图片标注方法、系统、机器可读介质及设备。
背景技术
目前安防等CV领域对属性结构化分类算法的应用需求很广泛,比如识别行人的基本特征:性别、年龄、行走方向、是否戴眼镜、帽子,识别车辆的颜色,车型等等。目前有很多AI公司和数据公司都投入了大量的人力在属性标注工作上。但主流的标注方案一直以来没有多大的创新,主流的方案大多是:一个界面,左边是行人的图片,右边是各种属性的勾选列表。当勾选完毕后,跳转到下一页。该方案的缺点是:需要不停地切换任务,比如首先判断这个人的性别,再判断年龄,穿着等等,然后再切换到下一个人。切换任务所带来的额外时间消耗、脑力消耗都比较大,因此也更容易出错。另外,出错了也需要一张张的检查,审核速度不比标注速度快多少。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种批量图片标注方法、系统、机器可读介质及设备,用于解决现有技术存在的问题。
为实现上述目的及其他相关目的,本发明提供一种批量图片标注方法,包括:
确定出图片标注属性及属性类别;
根据所述图片标注属性及属性类别对待标注图片进行选择,完成批量图片的标注。
可选地,所述图片标注属性包括以下至少之一:性别属性、年龄属性、观测属性。
可选地,所述性别属性的属性类别包括:男、女;所述年龄属性的属性类别包括年龄范围;所述观测属性包括方向、截断。
可选地,根据筛选条件确定所述待标注图片。
可选地,所述筛选条件的类型包括以下至少之一:某个属性的标注值、标注修改次数、预测值、预测分值范围。
可选地,还包括:
基于已标注属性从已标注图片中选择出候选图片;
基于已标注属性的关联属性对所述候选图片进行选择,得到图片标注结果。
可选地,对相同属性类别的图片进行迭代标注。
可选地,将已经标注好的图片作为样本训练生成标注模型,利用所述标注模型对未标注的图片进行迭代标注。
可选地,基于对所述待标注图片的一种或多种触发操作对待标注图片进行选择。
为实现上述目的及其他相关目的,本发明提供一种批量图片标注系统,包括:
属性确定模块,用于确定出图片标注属性及属性类别;
图片选择模块,用于根据所述图片标注属性及属性类别对待标注图片进行选择,完成批量图片的标注。
可选地,所述图片标注属性包括以下至少之一:性别属性、年龄属性、观测属性。
可选地,所述性别属性的属性类别包括:男、女;所述年龄属性的属性类别包括年龄范围;所述观测属性包括方向、截断。
可选地,根据筛选条件确定所述待标注图片。
可选地,所述筛选条件的类型包括以下至少之一:某个属性的标注值、标注修改次数、预测值、预测分值范围。
可选地,还包括:
候选图片选择模块,用于基于已标注属性从已标注图片中选择出候选图片;
图片标注模块,用于基于已标注属性的关联属性对所述候选图片进行选择,得到图片标注结果。
可选地,对相同属性类别的图片进行迭代标注。
可选地,将已经标注好的图片作为样本训练生成标注模型,利用所述标注模型对未标注的图片进行迭代标注。
可选地,基于对所述待标注图片的一种或多种触发操作对待标注图片进行选择。
为实现上述目的及其他相关目的,本发明提供一种设备,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行前述的一个或多个所述的方法。
为实现上述目的及其他相关目的,本发明提供一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得设备执行前述的一个或多个所述的方法。
如上所述,本发明提供的一种批量图片标注方法、系统、机器可读介质及设备,具有以下有益效果:
本发明的一种批量图片标注方法,包括:确定出图片标注属性及属性类别;确定出图片标注属性及属性类别;根据所述图片标注属性及属性类别对待标注图片进行选择,完成批量图片的标注。本发明解决了对单个人一次性标注所有属性时速度慢,容易疲劳,容易出错的现象。
附图说明
图1为本发明一实施例提供的一种批量图片标注方法的流程图;
图2为本发明一实施例提供的一种批量图片标注系统的硬件结构示意图;
图3为本发明一实施例提供的终端设备的硬件结构示意图;
图4为本发明另一实施例提供的终端设备的硬件结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
如图1所示,本发明提供一种批量图片标注方法,包括:
S11确定出图片标注属性及属性类别;
S12根据所述图片标注属性及属性类别对待标注图片进行选择,完成批量图片的标注。
本发明的一种批量图片标注方法,与固定图片标注所有属性的传统标注方法不同,本发明是固定属性,批量标注所有符合条件的图片。利用人脑连续处理相同任务时消耗的脑力更少,人眼同时浏览多张图片时,视觉并行化处理的效率更高的原理,解决了对单个人一次性标注所有属性时速度慢,容易疲劳,容易出错的现象。
在一实施例中,所述图片标注属性包括以下至少之一:性别属性、年龄属性、观测属性。所述性别属性的属性类别包括:男、女;所述年龄属性的属性类别包括年龄范围;所述观测属性包括方向、截断。
具体地,在实施时,先确定出图片标注属性,比如选择性别;然后再确定标注属性的属性类别,比如选择男性;最后根据所述属性类别从待标注图片中选择目标图片,即从若干图片中选择出的男性的图片。通过上述步骤则完成对批量图片的标注,标注的属性类型为男性。
在一实施例中,根据筛选条件确定所述待标注图片。
在一实施例中,所述筛选条件的类型包括以下至少之一:某个属性的标注值、标注修改次数、预测值、预测分值范围。以预测值为例进行说明,所述的预测值为通过图像识别模型输出的对应某一张图片的一个具体数值。筛选条件可以是大于某一数值、小于某一数值、或在某一数值范围之间。例如,确定的属性类别为男性,对应的筛选条件是大于0.5,若某一张图片经图像识别模型识别,输出的值为0.6,则可以认为该图片中对应的人是男性;若输出的值为0.4.则可以认为该图片中对应的人是女性。那么经图像识别模型识别输出的值大于0.5的对应的男性图片表示标注好的图片。可以理解的是,利用图像识别模型对图像进行识别并输出预测值可以采用预先训练好的基于神经网络的识别模型。
本发明提供了丰富的筛选条件,比如可以对图片在数据库中的子目录、标号范围、标号除以N的余数进行筛选(N是标注人数),以便于进行任务分工;可以对某个属性类别的标注值、标注修改次数、特征预测值、特征预测值范围等进行筛选。
在一实施例中,本发明所述的批量图片标注方法还包括:
基于已标注属性从已标注图片中选择出候选图片;
基于已标注属性的关联属性对所述候选图片进行选择,得到图片标注结果。
对于已标注属性的关联属性可以理解为:性别可以影响诸如胡须、发型等体貌特征,裙子、头巾等服饰特征。方向、截断等观测属性可以影响诸如眼镜、口罩等面部特征。
比如有性别和裙子两个属性,已经标好了性别,在标注裙子时,可以先将男性样本都筛选出来,统一将裙子属性标为否;然后再将女性样本都筛选出来作为候选图片,仔细标注裙子属性。实际上很多属性之间都存在或强或弱的相关性,用这种方法可以将数据集中的样本分层,显著提高标注效率。另外,它也可以间接提高被筛选属性中错标样本被发现的概率,比如筛选性别标裙子属性时,相当于顺便对性别属性做了二次检查。本实施例通过属性间的相互关联知系提高特定属性标注效率的问题。
在另一实施例中,对相同属性类别的图片进行迭代标注。
迭代标注:是指对一批海量数据进行标注时,先标注一小部分样本,然后送去训练。训练好的模型去预测已标注的样本,可以用来纠错,去预测未标注的样本,可以用来提高标注速度。
具体地,将已经标注好的图片作为样本训练生成标注模型,利用所述标注模型对未标注的图片进行迭代标注。
本发明将批量标注和筛选功能集中在一起,使迭代标注流程变得更灵活方便。因为特征预测值也可以作为筛选条件,所以通过对预测值,预测概率的范围添加筛选条件,就可以将样本分开,专注在错样本,难样本,提高标注效率。
在一实施例中,基于对所述待标注图片的一种或多种触发操作对待标注图片进行选择。
其中,所述触发操作可以理解为单击待标注的图片完成标注;触发操作也可以理解为如果某个类别的图片分布比较集中,可以直接拖框选中一个区域内的图片,标为某个类别。触发操作还可以理解为:如果显示装置显示叶面内所有图片都属于该类,可以沿用Windows系统中大家比较熟知的Ctrl+A键,将所有的图片标注为该类别,或按Ctrl+D键将所有未标注的图片标注为该类别。
如图2所示,本发明提供一种批量图片标注系统,包括:
属性确定模块21,用于确定出图片标注属性及属性类别;
图片选择模块22,用于根据所述图片标注属性及属性类别对待标注图片进行选择,完成批量图片的标注。
本发明的一种批量图片标注系统,与固定图片标注所有属性的传统标注方法不同,本发明是固定属性,批量标注所有符合条件的图片。利用人脑连续处理相同任务时消耗的脑力更少,人眼同时浏览多张图片时,视觉并行化处理的效率更高的原理,解决了对单个人一次性标注所有属性时速度慢,容易疲劳,容易出错的现象。
在一实施例中,所述图片标注属性包括以下至少之一:性别属性、年龄属性、观测属性。所述性别属性的属性类别包括:男、女;所述年龄属性的属性类别包括年龄范围;所述观测属性包括方向、截断。
具体地,在实施时,先确定出图片标注属性,比如选择性别;然后再确定标注属性的属性类别,比如选择男性;最后根据所述属性类别从待标注图片中选择目标图片,即从若干图片中选择出的男性的图片。通过上述步骤则完成对批量图片的标注,标注的属性类型为男性。
在一实施例中,根据筛选条件确定所述待标注图片。
在一实施例中,所述筛选条件的类型包括以下至少之一:某个属性的标注值、标注修改次数、预测值、预测分值范围。以预测值为例进行说明,所述的预测值为通过图像识别模型输出的对应某一张图片的一个具体数值。筛选条件可以是大于某一数值、小于某一数值、或在某一数值范围之间。例如,确定的属性类别为男性,对应的筛选条件是大于0.5,若某一张图片经图像识别模型识别,输出的值为0.6,则可以认为该图片中对应的人是男性;若输出的值为0.4.则可以认为该图片中对应的人是女性。那么经图像识别模型识别输出的值大于0.5的对应的男性图片表示标注好的图片。可以理解的是,利用图像识别模型对图像进行识别并输出预测值可以采用预先训练好的基于神经网络的识别模型。
本发明提供了丰富的筛选条件,比如可以对图片在数据库中的子目录、标号范围、标号除以N的余数进行筛选(N是标注人数),以便于进行任务分工;可以对某个属性类别的标注值、标注修改次数、特征预测值、特征预测值范围等进行筛选。
在一实施例中,本发明所述的图片标注系统还包括:
候选图片选择模块,用于基于已标注属性从已标注图片中选择出候选图片;
图片标注模块,用于基于已标注属性的关联属性对所述候选图片进行选择,得到图片标注结果。
对于已标注属性的关联属性可以理解为:性别可以影响诸如胡须、发型等体貌特征,裙子、头巾等服饰特征。方向、截断等观测属性可以影响诸如眼镜、口罩等面部特征。
比如有性别和裙子两个属性,已经标好了性别,在标注裙子时,可以先将男性样本都筛选出来,统一将裙子属性标为否;然后再将女性样本都筛选出来作为候选图片,仔细标注裙子属性。实际上很多属性之间都存在或强或弱的相关性,用这种方法可以将数据集中的样本分层,显著提高标注效率。另外,它也可以间接提高被筛选属性中错标样本被发现的概率,比如筛选性别标裙子属性时,相当于顺便对性别属性做了二次检查。本实施例通过属性间的相互关联知系提高特定属性标注效率的问题。
在另一实施例中,对相同属性类别的图片进行迭代标注。
迭代标注:是指对一批海量数据进行标注时,先标注一小部分样本,然后送去训练。训练好的模型去预测已标注的样本,可以用来纠错,去预测未标注的样本,可以用来提高标注速度。
具体地,将已经标注好的图片作为样本训练生成标注模型,利用所述标注模型对未标注的图片进行迭代标注。
本发明将批量标注和筛选功能集中在一起,使迭代标注流程变得更灵活方便。因为特征预测值也可以作为筛选条件,所以通过对预测值,预测概率的范围添加筛选条件,就可以将样本分开,专注在错样本,难样本,提高标注效率。
在一实施例中,基于对所述待标注图片的一种或多种触发操作对待标注图片进行选择。
其中,所述触发操作可以理解为单击待标注的图片完成标注;触发操作也可以理解为如果某个类别的图片分布比较集中,可以直接拖框选中一个区域内的图片,标为某个类别。触发操作还可以理解为:如果显示装置显示叶面内所有图片都属于该类,可以沿用Windows系统中大家比较熟知的Ctrl+A键,将所有的图片标注为该类别,或按Ctrl+D键将所有未标注的图片标注为该类别。
本申请实施例还提供了一种设备,该设备可以包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述设备执行图1所述的方法。在实际应用中,该设备可以作为终端设备,也可以作为服务器,终端设备的例子可以包括:智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准语音层面3,Moving Picture Experts GroupAudio Layer III)播放器、MP4(动态影像专家压缩标准语音层面4,Moving Picture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等,本申请实施例对于具体的设备不加以限制。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本申请实施例的图1中方法所包含步骤的指令(instructions)。
图3为本申请一实施例提供的终端设备的硬件结构示意图。如图所示,该终端设备可以包括:输入设备1100、第一处理器1101、输出设备1102、第一存储器1103和至少一个通信总线1104。通信总线1104用于实现元件之间的通信连接。第一存储器1103可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,第一存储器1103中可以存储各种程序,用于完成各种处理功能以及实现本实施例的方法步骤。
可选的,上述第一处理器1101例如可以为中央处理器(Central ProcessingUnit,简称CPU)、应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,该第一处理器1101通过有线或无线连接耦合到上述输入设备1100和输出设备1102。
可选的,上述输入设备1100可以包括多种输入设备,例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的,该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件插入接口(例如USB接口、串口等);可选的,该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等);可选的,上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口,例如芯片的输入引脚接口或者输入接口等;输出设备1102可以包括显示器、音响等输出设备。
在本实施例中,该终端设备的处理器包括用于执行各设备中各模块的功能,具体功能和技术效果参照上述实施例即可,此处不再赘述。
图4为本申请的一个实施例提供的终端设备的硬件结构示意图。图4是对图3在实现过程中的一个具体的实施例。如图所示,本实施例的终端设备可以包括第二处理器1201以及第二存储器1202。
第二处理器1201执行第二存储器1202所存放的计算机程序代码,实现上述实施例中图1所述方法。
第二存储器1202被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令,例如消息,图片,视频等。第二存储器1202可能包含随机存取存储器(random access memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
可选地,第二处理器1201设置在处理组件1200中。该终端设备还可以包括:通信组件1203,电源组件1204,多媒体组件1205,语音组件1206,输入/输出接口1207和/或传感器组件1208。终端设备具体所包含的组件等依据实际需求设定,本实施例对此不作限定。
处理组件1200通常控制终端设备的整体操作。处理组件1200可以包括一个或多个第二处理器1201来执行指令,以完成上述数据处理方法中的全部或部分步骤。此外,处理组件1200可以包括一个或多个模块,便于处理组件1200和其他组件之间的交互。例如,处理组件1200可以包括多媒体模块,以方便多媒体组件1205和处理组件1200之间的交互。
电源组件1204为终端设备的各种组件提供电力。电源组件1204可以包括电源管理系统,一个或多个电源,及其他与为终端设备生成、管理和分配电力相关联的组件。
多媒体组件1205包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中,显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板,显示屏可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。
语音组件1206被配置为输出和/或输入语音信号。例如,语音组件1206包括一个麦克风(MIC),当终端设备处于操作模式,如语音识别模式时,麦克风被配置为接收外部语音信号。所接收的语音信号可以被进一步存储在第二存储器1202或经由通信组件1203发送。在一些实施例中,语音组件1206还包括一个扬声器,用于输出语音信号。
输入/输出接口1207为处理组件1200和外围接口模块之间提供接口,上述外围接口模块可以是点击轮,按钮等。这些按钮可包括但不限于:音量按钮、启动按钮和锁定按钮。
传感器组件1208包括一个或多个传感器,用于为终端设备提供各个方面的状态评估。例如,传感器组件1208可以检测到终端设备的打开/关闭状态,组件的相对定位,用户与终端设备接触的存在或不存在。传感器组件1208可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在,包括检测用户与终端设备间的距离。在一些实施例中,该传感器组件1208还可以包括摄像头等。
通信组件1203被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个实施例中,该终端设备中可以包括SIM卡插槽,该SIM卡插槽用于插入SIM卡,使得终端设备可以登录GPRS网络,通过互联网与服务器建立通信。
由上可知,在图4实施例中所涉及的通信组件1203、语音组件1206以及输入/输出接口1207、传感器组件1208均可以作为图3实施例中的输入设备的实现方式。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (20)
1.一种批量图片标注方法,其特征在于,包括:
确定出图片标注属性及属性类别;
根据所述图片标注属性及属性类别对待标注图片进行选择,完成批量图片的标注。
2.根据权利要求1所述的批量图片标注方法,其特征在于,所述图片标注属性包括以下至少之一:性别属性、年龄属性、观测属性。
3.根据权利要求2所述的批量图片标注方法,其特征在于,所述性别属性的属性类别包括:男、女;所述年龄属性的属性类别包括年龄范围;所述观测属性包括方向、截断。
4.根据权利要求1所述的批量图片标注方法,其特征在于,根据筛选条件确定所述待标注图片。
5.根据权利要求4所述的批量图片标注方法,其特征在于,所述筛选条件的类型包括以下至少之一:某个属性的标注值、标注修改次数、预测值、预测分值范围。
6.根据权利要求1所述的批量图片标注方法,其特征在于,还包括:
基于已标注属性从已标注图片中选择出候选图片;
基于已标注属性的关联属性对所述候选图片进行选择,得到图片标注结果。
7.根据权利要求1所述的批量图片标注方法,其特征在于,对相同属性类别的图片进行迭代标注。
8.根据权利要求7所述的批量图片标注方法,其特征在于,将已经标注好的图片作为样本训练生成标注模型,利用所述标注模型对未标注的图片进行迭代标注。
9.根据权利要求1所述的批量图片标注方法,其特征在于,基于对所述待标注图片的一种或多种触发操作对待标注图片进行选择。
10.一种批量图片标注系统,其特征在于,包括:
属性确定模块,用于确定出图片标注属性及属性类别;
图片选择模块,用于根据所述图片标注属性及属性类别对待标注图片进行选择,完成批量图片的标注。
11.根据权利要求10所述的批量图片标注系统,其特征在于,所述图片标注属性包括以下至少之一:性别属性、年龄属性、观测属性。
12.根据权利要求11所述的批量图片标注系统,其特征在于,所述性别属性的属性类别包括:男、女;所述年龄属性的属性类别包括年龄范围;所述观测属性包括方向、截断。
13.根据权利要求10所述的批量图片标注系统,其特征在于,根据筛选条件确定所述待标注图片。
14.根据权利要求13所述的批量图片标注系统,其特征在于,所述筛选条件的类型包括以下至少之一:某个属性的标注值、标注修改次数、预测值、预测分值范围。
15.根据权利要求10所述的批量图片标注系统,其特征在于,还包括:
候选图片选择模块,用于基于已标注属性从已标注图片中选择出候选图片;
图片标注模块,用于基于已标注属性的关联属性对所述候选图片进行选择,得到图片标注结果。
16.根据权利要求10所述的批量图片标注系统,其特征在于,对相同属性类别的图片进行迭代标注。
17.根据权利要求16所述的批量图片标注系统,其特征在于,将已经标注好的图片作为样本训练生成标注模型,利用所述标注模型对未标注的图片进行迭代标注。
18.根据权利要求10所述的批量图片标注方法,其特征在于,基于对所述待标注图片的一种或多种触发操作对待标注图片进行选择。
19.一种设备,其特征在于,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行如权利要求1-9所述的一个或多个所述的方法。
20.一个或多个机器可读介质,其特征在于,其上存储有指令,当由一个或多个处理器执行时,使得设备执行如权利要求1-9所述的一个或多个所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010474075.9A CN111639705B (zh) | 2020-05-29 | 2020-05-29 | 一种批量图片标注方法、系统、机器可读介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010474075.9A CN111639705B (zh) | 2020-05-29 | 2020-05-29 | 一种批量图片标注方法、系统、机器可读介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111639705A true CN111639705A (zh) | 2020-09-08 |
CN111639705B CN111639705B (zh) | 2021-06-29 |
Family
ID=72331184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010474075.9A Active CN111639705B (zh) | 2020-05-29 | 2020-05-29 | 一种批量图片标注方法、系统、机器可读介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111639705B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836471A (zh) * | 2021-01-25 | 2021-05-25 | 上海微亿智造科技有限公司 | 批量标注接口自动化方法和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991438A (zh) * | 2017-03-20 | 2017-07-28 | 新智认知数据服务有限公司 | 一种基于mfc交互式人脸图像属性标注方法 |
CN107315781A (zh) * | 2017-06-07 | 2017-11-03 | 上海斐讯数据通信技术有限公司 | 一种相册标签的管理系统和实现方法 |
CN108897869A (zh) * | 2018-06-29 | 2018-11-27 | 北京百度网讯科技有限公司 | 语料标注方法、装置、设备和存储介质 |
CN109657087A (zh) * | 2018-11-30 | 2019-04-19 | 平安科技(深圳)有限公司 | 一种数据批量标注方法、装置及计算机可读存储介质 |
CN110084216A (zh) * | 2019-05-06 | 2019-08-02 | 苏州科达科技股份有限公司 | 人脸识别模型训练和人脸识别方法、系统、设备及介质 |
CN110865756A (zh) * | 2019-11-12 | 2020-03-06 | 苏州智加科技有限公司 | 图像标注方法、装置、设备及存储介质 |
CN110880022A (zh) * | 2019-11-12 | 2020-03-13 | 北京小米智能科技有限公司 | 标注方法、装置及存储介质 |
CN111191527A (zh) * | 2019-12-16 | 2020-05-22 | 北京迈格威科技有限公司 | 属性识别方法、装置、电子设备及可读存储介质 |
-
2020
- 2020-05-29 CN CN202010474075.9A patent/CN111639705B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991438A (zh) * | 2017-03-20 | 2017-07-28 | 新智认知数据服务有限公司 | 一种基于mfc交互式人脸图像属性标注方法 |
CN107315781A (zh) * | 2017-06-07 | 2017-11-03 | 上海斐讯数据通信技术有限公司 | 一种相册标签的管理系统和实现方法 |
CN108897869A (zh) * | 2018-06-29 | 2018-11-27 | 北京百度网讯科技有限公司 | 语料标注方法、装置、设备和存储介质 |
CN109657087A (zh) * | 2018-11-30 | 2019-04-19 | 平安科技(深圳)有限公司 | 一种数据批量标注方法、装置及计算机可读存储介质 |
CN110084216A (zh) * | 2019-05-06 | 2019-08-02 | 苏州科达科技股份有限公司 | 人脸识别模型训练和人脸识别方法、系统、设备及介质 |
CN110865756A (zh) * | 2019-11-12 | 2020-03-06 | 苏州智加科技有限公司 | 图像标注方法、装置、设备及存储介质 |
CN110880022A (zh) * | 2019-11-12 | 2020-03-13 | 北京小米智能科技有限公司 | 标注方法、装置及存储介质 |
CN111191527A (zh) * | 2019-12-16 | 2020-05-22 | 北京迈格威科技有限公司 | 属性识别方法、装置、电子设备及可读存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836471A (zh) * | 2021-01-25 | 2021-05-25 | 上海微亿智造科技有限公司 | 批量标注接口自动化方法和系统 |
CN112836471B (zh) * | 2021-01-25 | 2022-10-11 | 上海微亿智造科技有限公司 | 批量标注接口自动化方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111639705B (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311554B (zh) | 图文内容的内容质量确定方法、装置、设备及存储介质 | |
CN110178129B (zh) | 生成用于图像处理操作的目标图像的语义表示的系统和方法 | |
CN111026967B (zh) | 一种获得用户兴趣标签的方法、装置、设备和介质 | |
CN110476141A (zh) | 视线跟踪方法及用于执行该方法的用户终端 | |
CN112163428A (zh) | 语义标签的获取方法、装置、节点设备及存储介质 | |
CN111310725A (zh) | 一种对象识别方法、系统、机器可读介质及设备 | |
WO2021159935A1 (zh) | 图像显示方法及相关产品 | |
CN112783594A (zh) | 一种消息显示方法、装置及电子设备 | |
CN112269853A (zh) | 检索处理方法、装置及存储介质 | |
CN113192639A (zh) | 信息预测模型的训练方法、装置、设备及存储介质 | |
CN112464052A (zh) | 反馈信息的处理方法、显示方法、装置及电子设备 | |
CN111178455B (zh) | 图像聚类方法、系统、设备及介质 | |
CN110580486A (zh) | 一种数据处理方法、装置、电子设备和可读介质 | |
CN111639705B (zh) | 一种批量图片标注方法、系统、机器可读介质及设备 | |
CN114360053A (zh) | 一种动作识别方法、终端及存储介质 | |
CN112989210A (zh) | 基于健康画像的保险推荐方法、系统、设备和介质 | |
CN111523541A (zh) | 一种基于ocr的数据生成方法、系统、设备及介质 | |
CN111275683A (zh) | 图像质量评分处理方法、系统、设备及介质 | |
CN113269072B (zh) | 图片处理方法、装置、设备及计算机程序 | |
CN112417197B (zh) | 一种排序方法、装置、机器可读介质及设备 | |
CN111626233B (zh) | 一种关键点标注方法、系统、机器可读介质及设备 | |
CN114299615A (zh) | 基于关键点的多特征融合的动作识别方法、装置、介质及设备 | |
CN112257812A (zh) | 一种标注样本确定方法、装置、机器可读介质及设备 | |
CN113722422A (zh) | 模型训练方法、文本标签生成方法、装置、设备及介质 | |
CN112765388A (zh) | 一种目标数据标注方法、系统、设备及介质 |
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 |