CN111680708A - 一种给图片加标签的方法和系统 - Google Patents
一种给图片加标签的方法和系统 Download PDFInfo
- Publication number
- CN111680708A CN111680708A CN201910205491.6A CN201910205491A CN111680708A CN 111680708 A CN111680708 A CN 111680708A CN 201910205491 A CN201910205491 A CN 201910205491A CN 111680708 A CN111680708 A CN 111680708A
- Authority
- CN
- China
- Prior art keywords
- picture
- verification
- user
- label
- 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.)
- Pending
Links
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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Abstract
本发明提出了一种给图片加标签的方法,涉及机器学习领域,该方法包括:提供验证页面,所述验证页面上包括至少一张供用户判断的图片,并根据用户的判断结果执行验证程序;接受用户输入的至少一个判断结果,对所述图片以用户输入的该判断结果作为标签进行标注;统计所述图片的标签,当其中某一标签的出现次数占所有标签数的比值超过第一预设值时,以该标签作为该验证图片的真实标签。本发明同时也提出一种给图片加标签的系统。本发明通过利用验证系统,将图片集的清洗工作分包给广大网页访问者,并且也能为验证系统提供可靠的只有人类才能回答的问题,解决对海量图片人工标注效率低、成本高的难题。
Description
技术领域
本发明涉及深度学习技术领域,尤其涉及一种给图片加标签的方法和系统。
背景技术
在机器学习和相关领域,人工神经网络(人工神经网络)的计算模型灵感来自动物的中枢神经系统(尤其是脑),并且被用于估计或可以依赖于大量的输入和一般的未知近似函数。人工神经网络通常呈现为相互连接的“神经元”,它可以从输入的计算值,并且能够机器学习以及模式识别由于它们的自适应性质的系统。
例如,用于手写字体识别的神经网络是由一组可能被输入图像的像素激活的输入神经元来限定。后期进过加权,并通过一个函数(由网络的设计者确定的)转化,这些神经元的致动被上到其他神经元然后被传递。重复此过程,直到最后,输出神经元被激活。
随着机器学习的发展,各种场景下的识别技术变得越来越重要,比如人脸识别、路标识别、建筑物识别、食品识别等等。这些场景下的识别技术和系统都需要经历数据训练过程,即把大量相关图像和相应的标注一起作为输入给到算法,算法会根据这些训练数据自动学习出相应的模型从而用于实际应用。
由于目前的图形检测方法所要求检测的特征属性信息要求越来越丰富,一般通过有标注的图像利用机器学习算法进行训练得到识别模型,从而对众多未标注的图像进行标注和识别。然而关于图像含义的标注方法一直未得到有效解决,现行的做法是简单的通过人工方法去逐一筛选标注,非常耗时。
比如在训练菜品识别的神经网络中需要高质量的菜品图片和对应菜品名字标签的数据集。一般可以从互联网中使用关键字爬取对应图片。但是这些图片中,有很多错误的标签,所以需要人工对数据集进行清洗。这种人工清洗图片的方式,需要投入大量的人力去标注海量的图片数据,不仅成本巨大,而且往往需要消耗几个月的时间才能初步得到一个可训练机器的数据集。
在中国专利申请:CN01410053879中公开了一种人脸图像的身份标注方法及人脸身份识别方法。该方法为:1)对每一待标注人脸图片的身份进行标注:搜索与该图片相似的人脸图像及对应的网页;根据返回网页中所出现人名的频率确定该图片的身份;分别采用人脸技术平台和人脸身份识别模型检测该图片的身份;综合上述识别结果确定该图片的最终身份并标注;2)将属于同一人名的一组图片与1)中标注结果为该人名的图片进行匹配过滤;3)提取过滤后的每一身份标注图片的特征向量,利用机器学习算法对标注后的人脸图片进行训练,生成人脸身份识别模型;4)对于待检测的两人脸图像,提取其特征向量利用人脸身份识别模型判断其是否属于同一人。在该专利中利用网上出现的相似的图片去对未知图片进行标注。然而这种应用只有极少数场景下可行,而且图片的比对本身是一个非常繁琐的技术,是否能准确在网上抓取到合适的比对图片是一个较难克服的难题。
因此现有技术依然没有给出一个能够有效解决人工标注图片低效率、高成本、长周期的方案。
发明内容
有鉴于此,本发明的目的在于提出一种给图片加标签的方法和系统,该方法使用互联网上普遍存在的图片认证技术,依靠免费的人力资源,解决对海量图片人工标注效率低、成本高的难题。
为实现上述目的,本发明提出了一种给图片加标签的方法,包括:
提供一验证页面,所述验证页面上包括至少一张供用户判断的图片,并根据用户的判断结果执行一验证程序;
接受用户输入的至少一个判断结果,对所述图片以用户输入的该判断结果作为标签进行标注;
统计所述图片的标签,当其中某一标签的出现次数占所有标签数的比值超过第一预设值时,以该标签作为该验证图片的真实标签。
优选的,所述判断结果是用户输入的文字标签,或者由验证页面提供的若干选项标签中选择得到的标签。
优选的,所述若干选项标签中,至少包括一排除选项,用以排除同一时刻出现在所述验证页面上的其他标签。
优选的,当用户选择所述排除选项的次数大于第二预设值时,对与该排除选项同一时刻出现在所述验证页面上的其他选项标签进行丢弃。
优选的,还包括判断所述图片是否已有真实标签,若是则使用所述真实标签验证当前用户的判断是否正确,否则跳过所述验证程序。
同时,本发明还给出了一种给图像加标签的系统,包括:
验证单元,提供一验证页面,所述验证页面上包括至少一张供用户判断的图片,并根据用户的判断结果执行一验证程序;
标注单元,接受用户输入的至少一个判断结果,对所述图片以用户输入的该判断结果作为标签进行标注;
统计单元,统计所述图片的标签,当其中某一标签的出现次数占所有标签数的比值超过第一预设值时,以该标签作为该验证图片的真实标签。
优选的,还包括图片数据库,所述图片数据库内存有多张待标注图片,所述验证单元中的图片从所述图片数据库中抽取。
优选的,还包括标签数据库,所述标签数据库包括多个标签,所述验证单元中的选项标签从所述标签数据库中抽取。
优选的,所述验证单元一次提供的若干选项标签中至少包括一排除选项,用以排除同一时刻出现在所述验证页面上的其他选项标签,当用户选择所述排除选项的次数大于第二预设值时,对与该排除选项同一时刻出现在所述验证页面上的其他选项标签进行丢弃,并通知所述标签数据库更换针对当前验证用图片的选项标签。
优选的,还包括判断单元,判断当前图片是否有真实标签,若有,则通知所述验证单元根据用户的判断和真实标签进行比对,验证该用户是否为真人用户,否则跳过所述验证程序。
本发明通过使用利用验证系统,将图片集的清理工作众包给广大网页访问者,并且也能为验证系统提供可靠的只有人能回答的问题,实现一举两得的效果。
附图说明
图1是本发明给图片加标签的方法流程图。
图2是本发明的一种给图像加标签的系统示意图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述,但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
验证系统是判断在远端操作计算机的是真人还是程序的一种手段。一般形式是用户需要指出服务器发送过来的图片中的内容。这种验证手段是基于计算机程序无法对图片内容进行识别,必须依赖人的判断,因此可以有效的拦截那些通过计算机程序自动在网上爬数据的行为。
基于验证系统的这种特性,验证系统和图片数据集清洗刚好具有互补功能。在验证系统中集成部分需要清洗的图片数据集。这样在实施真人验证的同时,还能免费对数据集进行清洗。
本发明的发明主旨,就是利用验证系统这种应用广泛,能够让大量人员参与,同时又已经被人们的意识形态普遍接受的技术方案,实施到同样需要大量人员参与的图片数据清洗中。让本来单一的验证工作同时作用到图片标注工作中去,实现一举两得的效果。
请参见图1,图1是本发明给图片加标签的方法流程图。如图所示,该方法包括:
S1、提供一验证页面,所述验证页面上包括至少一张供用户判断的图片,并根据用户的判断结果执行一验证程序。
在该步骤中,验证页面可以是移动终端上的网页,也可以是PC端上的网页,还可以是一些需要登陆验证的APP内置页面。以PC端网页为例,像我们在12306网上购买火车票时,经常需要进行登陆验证,比如在登陆时,网页会跳出一个验证页面,在该验证页面上给出一张图片让用户判断图片的含义,或者给出一个文字描述让用户选择对应的图片。这两种验证方法都能达到给图片做标签的目的。
S2、接受用户输入的至少一个判断结果,对所述图片以用户输入的该判断结果作为标签进行标注。这里的判断结果,可以是用户手动输入的文字标签,或者由验证页面提供的若干选项标签中选择得到的标签。比如给出一张带有小汽车的图片,一种方式是用户手动输入“小汽车”,然后系统记录该输入的结果,并将“小汽车”作为该图片的标签。还有一种方式,页面上出现多个标签选项,其中有一个选项是“小汽车”,此时用户根据图片选择“小汽车”作为该图片的选项,系统记录结果,并将“小汽车”作为该图片的标签。
S3、统计所述图片的标签,当其中某一标签的出现次数占所有标签数的比值超过第一预设值时,以该标签作为该验证图片的真实标签。如果该标签是手动输入的标签,则有可能需要基于文字处理技术,将表示同一含义的文字做归一化处理,比如“汽车”、“小汽车”、“小轿车”等,可以统一为“小汽车”。如果是通过选项选取的标签,则直接进行统计即可。
在该步骤中,第一预设值需要确保该标签是大部人的判断结果,如果出现两个很相近的标签结果时,需要考虑该图片本身是否存在两个内容,此时可以考虑放大被判断的采样数据,即让更多的人判断,或者丢弃该图片。较优地,该第一预设值最好大于60%,这样就能确保结果的准确性。
在一种优选的实施方式中,验证页面出现的若干选项标签中,至少包括一排除选项,用以排除同一时刻出现在所述验证页面上的其他标签。比如“以上都不是”。这是因为对于未加清洗的图片,使用机器做初步识别时,识别的精确度得不到保障,此时如果从标签数据库中选取标签作为选项时,未必能确保将正确的标签选择出来。而如果验证页面给出的所有选项中,都没有正确的选项时,会给用户选择造成困惑,降低用户体验。
在此情形下,当用户选择排除选项的次数大于第二预设值时,说明此时验证页面给出的选项标签都不是对所需验证的图片的真实表述,此时需要对与该排除选项同一时刻出现在所述验证页面上的其他选项标签进行丢弃。该第二预设值至少大于2,以确保并非个人行为。
在一种实施方式中,还包括判断所述图片是否已有真实标签,若是则使用所述真实标签验证当前用户的判断是否正确,否则跳过所述验证程序。对于已经被多次验证的图片,按照上述方法可以得出一个真实标签,当用户输入的判断结果和该真实标签所表示的含义一致时,验证通过。而对于尚未有真实标签的图片,可以直接跳过验证程序。这是因为验证程序的处理一般是在后台,对于用户来说,为了确保其上网行为能够进行,势必会认真进行验证判断,所以即使后台直接跳过验证程序,用户一般也体会不到,不影响用户的感受。
请参见图2,图2是本发明的一种给图像加标签的系统示意图,如图所示,该系统该包括:
验证单元11,提供一验证页面,所述验证页面上包括至少一张供用户判断的图片,并根据用户的判断结果执行一验证程序。
验证页面可以是移动终端上的网页,也可以是PC端上的网页,还可以是一些需要登陆验证的APP内置页面。以PC端网页为例,像我们在12306网上购买火车票时,经常需要进行登陆验证,比如在登陆时,网页会跳出一个验证页面,在该验证页面上给出一张图片让用户判断图片的含义,或者给出一个文字描述让用户选择对应的图片。
标注单元12,接受用户输入的至少一个判断结果,对所述图片以用户输入的该判断结果作为标签进行标注。这里的判断结果,可以是用户手动输入的文字标签,或者由验证页面提供的若干选项标签中选择得到的标签。比如给出一张带有小汽车的图片,一种方式是用户手动输入“小汽车”,然后系统记录该输入的结果,并将“小汽车”作为该图片的标签。还有一种方式,页面上出现多个标签选项,其中有一个选项是“小汽车”,此时用户根据图片选择“小汽车”作为该图片的选项,系统记录结果,并将“小汽车”作为该图片的标签。
统计单元13,统计所述图片的标签,当其中某一标签的出现次数占所有标签数的比值超过第一预设值时,以该标签作为该验证图片的真实标签。如果该标签是手动输入的标签,则有可能需要基于文字处理技术,将表示同一含义的文字做归一化处理,比如“汽车”、“小汽车”、“小轿车”等,可以统一为“小汽车”。如果是通过选项选取的标签,则直接进行统计即可。
在一种优选的实施方式中,还包括图片数据库14,所述图片数据库内存有多张待标注图片,所述验证单元中的图片从所述图片数据库中抽取。该图片数据库14也可以从网上使用爬虫技术获得相关图片数据集。通常,一个图片数据库集表示同一类图片,比如表示人脸的图片数据集、表示建筑的图片数据集,表示食材的图片数据集等。
在一种优选的实施方式中,还包括标签数据库15,所述标签数据库包括多个标签,所述验证单元中的选项标签从所述标签数据库中抽取。通常,一个图片数据库集表示同一类图片,比如描述人脸的标签数据集、描述建筑的标签数据集,描述食材的标签数据集等。
在一种实施方式中,验证单元11一次提供的若干选项标签中至少包括一排除选项,用以排除同一时刻出现在所述验证页面上的其他选项标签,当用户选择所述排除选项的次数大于第二预设值时,对与该排除选项同一时刻出现在所述验证页面上的其他选项标签进行丢弃,并通知所述标签数据库更换针对当前验证用图片的选项标签。
在一种优选的实施方式中,还包括判断单元16,判断当前图片是否有真实标签,若有,则通知所述验证单元根据用户的判断和真实标签进行比对,验证该用户是否为真人用户,否则跳过所述验证程序。
下面将通过一个具体实施例对本发明的技术方案进行描述。
实施例一、基于菜品识别的应用
该实施例主要为了菜品识别下的图片标注。菜品识别是指机器通过训练后,能够识别出图像中的菜品名词以及所用的食材等信息,通过菜品识别,可以实现对用户食入的营养或热量进行监控,或者为满足用户想要了解一道菜的营养成分或做法的需求。因此训练机器用的图片基本上都是各式各样的菜品,比如西红柿炒鸡蛋、宫保鸡丁、土豆牛肉等等。
实施时,用户在进行一上网行为,此时进入一验证页面,验证页面上出现一道西红柿炒鸡蛋的菜品图片,并且给出三个标签选项:“A.西红柿炒鸡蛋”、“B.宫保鸡丁”、“C.土豆牛肉”供用户选择。
若用户选择“A.西红柿炒鸡蛋”,则后台记录该图片的标签为:“西红柿炒鸡蛋”。
统计该图片所有产生的标签,最后得到选择“西红柿炒鸡蛋”的比例占所有选择次数的为95%,选择“B.宫保鸡丁”的比例为5%,则对该图片标注为“西红柿炒鸡蛋”,其余选项进行丢弃。
最后,将所有得到真实标签的图片放入训练用的样本集,供机器学习。
综上所述,本发明提出一种给图片加标签的方法和系统,该方法使用互联网上普遍存在的图片认证技术,依靠免费的人力资源,解决对海量图片人工标注效率低、成本高的难题。
尽管为示例目的,已经公开了本发明的优选实施方式,但是本领域的普通技术人员将意识到,在不脱离由所附的权利要求书公开的本发明的范围和精神的情况下,各种改进、增加以及取代是可能的。
Claims (10)
1.一种给图像加标签的方法,其特征在于,包括:
提供一验证页面,所述验证页面上包括至少一张供用户判断的图片,并根据用户的判断结果执行一验证程序;
接受用户输入的至少一个判断结果,对所述图片以用户输入的该判断结果作为标签进行标注;
统计所述图片的标签,当其中某一标签的出现次数占所有标签数的比值超过第一预设值时,以该标签作为该验证图片的真实标签。
2.如权利要求1所述的给图像加标签的方法,其特征在于,所述判断结果是用户输入的文字标签,或者由验证页面提供的若干选项标签中选择得到的标签。
3.如权利要求2所述的给图像加标签的方法,其特征在于,所述若干选项标签中,至少包括一排除选项,用以排除同一时刻出现在所述验证页面上的其他标签。
4.如权利要求3所述的给图像加标签的方法,其特征在于,当用户选择所述排除选项的次数大于第二预设值时,对与该排除选项同一时刻出现在所述验证页面上的其他选项标签进行丢弃。
5.如权利要求1所述的给图像加标签的方法,其特征在于,还包括判断所述图片是否已有真实标签,若是则使用所述真实标签验证当前用户的判断是否正确,否则跳过所述验证程序。
6.一种给图像加标签的系统,其特征在于,包括:
验证单元,提供一验证页面,所述验证页面上包括至少一张供用户判断的图片,并根据用户的判断结果执行一验证程序;
标注单元,接受用户输入的至少一个判断结果,对所述图片以用户输入的该判断结果作为标签进行标注;
统计单元,统计所述图片的标签,当其中某一标签的出现次数占所有标签数的比值超过第一预设值时,以该标签作为该验证图片的真实标签。
7.如权利要求6所述的给图像加标签的系统,其特征在于,还包括图片数据库,所述图片数据库内存有多张待标注图片,所述验证单元中的图片从所述图片数据库中抽取。
8.如权利要求6所述的给图像加标签的系统,其特征在于,还包括标签数据库,所述标签数据库包括多个标签,所述验证单元中的选项标签从所述标签数据库中抽取。
9.如权利要求8所述的给图像加标签的系统,其特征在于,所述验证单元一次提供的若干选项标签中至少包括一排除选项,用以排除同一时刻出现在所述验证页面上的其他选项标签,当用户选择所述排除选项的次数大于第二预设值时,对与该排除选项同一时刻出现在所述验证页面上的其他选项标签进行丢弃,并通知所述标签数据库更换针对当前验证用图片的选项标签。
10.如权利要求6所述的给图像加标签的系统,其特征在于,还包括判断单元,判断当前图片是否有真实标签,若有,则通知所述验证单元根据用户的判断和真实标签进行比对,验证该用户是否为真人用户,否则跳过所述验证程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910205491.6A CN111680708A (zh) | 2019-03-18 | 2019-03-18 | 一种给图片加标签的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910205491.6A CN111680708A (zh) | 2019-03-18 | 2019-03-18 | 一种给图片加标签的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111680708A true CN111680708A (zh) | 2020-09-18 |
Family
ID=72433197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910205491.6A Pending CN111680708A (zh) | 2019-03-18 | 2019-03-18 | 一种给图片加标签的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111680708A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112164224A (zh) * | 2020-09-29 | 2021-01-01 | 杭州锘崴信息科技有限公司 | 信息安全的交通信息处理系统、方法、设备及存储介质 |
CN112836732A (zh) * | 2021-01-25 | 2021-05-25 | 深圳市声扬科技有限公司 | 数据标注的校验方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867025A (zh) * | 2012-08-23 | 2013-01-09 | 百度在线网络技术(北京)有限公司 | 一种获取图片标注数据的方法和装置 |
CN103426191A (zh) * | 2012-05-26 | 2013-12-04 | 百度在线网络技术(北京)有限公司 | 一种图片标注方法及系统 |
CN105389333A (zh) * | 2015-10-13 | 2016-03-09 | 林炮勤 | 一种检索系统构建方法及服务器架构 |
CN106485261A (zh) * | 2016-09-08 | 2017-03-08 | 北京小米移动软件有限公司 | 一种图像识别的方法和装置 |
CN107908641A (zh) * | 2017-09-27 | 2018-04-13 | 百度在线网络技术(北京)有限公司 | 一种获取图片标注数据的方法和系统 |
-
2019
- 2019-03-18 CN CN201910205491.6A patent/CN111680708A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103426191A (zh) * | 2012-05-26 | 2013-12-04 | 百度在线网络技术(北京)有限公司 | 一种图片标注方法及系统 |
CN102867025A (zh) * | 2012-08-23 | 2013-01-09 | 百度在线网络技术(北京)有限公司 | 一种获取图片标注数据的方法和装置 |
CN105389333A (zh) * | 2015-10-13 | 2016-03-09 | 林炮勤 | 一种检索系统构建方法及服务器架构 |
CN106485261A (zh) * | 2016-09-08 | 2017-03-08 | 北京小米移动软件有限公司 | 一种图像识别的方法和装置 |
CN107908641A (zh) * | 2017-09-27 | 2018-04-13 | 百度在线网络技术(北京)有限公司 | 一种获取图片标注数据的方法和系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112164224A (zh) * | 2020-09-29 | 2021-01-01 | 杭州锘崴信息科技有限公司 | 信息安全的交通信息处理系统、方法、设备及存储介质 |
CN112836732A (zh) * | 2021-01-25 | 2021-05-25 | 深圳市声扬科技有限公司 | 数据标注的校验方法、装置、电子设备及存储介质 |
CN112836732B (zh) * | 2021-01-25 | 2024-04-19 | 深圳市声扬科技有限公司 | 数据标注的校验方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108769823B (zh) | 直播间显示方法、装置、设备 | |
CN110427859A (zh) | 一种人脸检测方法、装置、电子设备及存储介质 | |
CN105426356B (zh) | 一种目标信息识别方法和装置 | |
CN108734184B (zh) | 一种对敏感图像进行分析的方法及装置 | |
KR101827345B1 (ko) | 다중 알고리즘 및 자기학습기능을 적용한 개인화 추천 시스템 및 추천 방법 | |
EP3623998A1 (en) | Character recognition | |
CN109408821B (zh) | 一种语料生成方法、装置、计算设备及存储介质 | |
US9633272B2 (en) | Real time object scanning using a mobile phone and cloud-based visual search engine | |
CN110162599A (zh) | 招聘面试方法、装置及计算机可读存储介质 | |
Xu et al. | Security analysis and related usability of motion-based captchas: Decoding codewords in motion | |
US20180197287A1 (en) | Process of using machine learning for cannabis plant health diagnostics | |
CN110610169B (zh) | 图片标注方法和装置、存储介质及电子装置 | |
CN109472280B (zh) | 一种更新物种识别模型库的方法、存储介质及电子设备 | |
CN112613780B (zh) | 一种学习报告生成的方法、装置、电子设备及存储介质 | |
CN110414581B (zh) | 图片检测方法和装置、存储介质及电子装置 | |
CN113761259A (zh) | 一种图像处理方法、装置以及计算机设备 | |
CN108537129A (zh) | 训练样本的标注方法、装置和系统 | |
CN113841161A (zh) | 用于自动生成内容分发图像的可扩展体系架构 | |
CN112214707A (zh) | 网页内容表征方法、分类方法、装置及设备 | |
CN110135889A (zh) | 智能推荐书单的方法、服务器及存储介质 | |
CN110084245A (zh) | 基于视觉注意机制强化学习弱监督图像检测方法、系统 | |
CN111680708A (zh) | 一种给图片加标签的方法和系统 | |
CN112101346A (zh) | 一种基于目标检测的验证码识别方法及装置 | |
CN111611781B (zh) | 数据标注方法、问答方法、装置及电子设备 | |
CN111539390A (zh) | 一种基于Yolov3的小目标图像识别方法、设备和系统 |
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 |