CN111860304B - 一种图像标注方法、电子装置、设备及存储介质 - Google Patents
一种图像标注方法、电子装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111860304B CN111860304B CN202010694368.8A CN202010694368A CN111860304B CN 111860304 B CN111860304 B CN 111860304B CN 202010694368 A CN202010694368 A CN 202010694368A CN 111860304 B CN111860304 B CN 111860304B
- Authority
- CN
- China
- Prior art keywords
- image
- labeling
- annotation
- elements
- relation
- 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 251
- 238000000034 method Methods 0.000 claims description 30
- 230000015654 memory Effects 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 15
- 230000000694 effects Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241000220317 Rosa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请公开了一种图像标注方法、装置、电子设备以及存储介质,涉及图像处理领域,具体涉及人工智能、计算机视觉及自动驾驶等领域,包括:确定图像标注因子,其中,所述图像标注因子包括待标注图像,以及与所述待标注图像相匹配的标注元素;构建所述图像标注因子之间的关联关系;根据所述标注元素以及所述关联关系对所述待标注图像进行标注。本申请实施例能够提高图像的标注效率和标注能力。
Description
技术领域
本申请涉及图像处理领域,具体涉及人工智能、计算机视觉及自动驾驶等领域。
背景技术
图像标注可以是对图像中的物体对象根据设定的标注规则进行标注。例如,可以对图像中的车辆进行框选,或对人脸关键点进行打点处理等。图像标注可以应用于静态单帧图像标注领域,也可以应用于视频标注领域。例如,在视频预览或录像回放过程中,直接在视频的帧图像上对物体对象进行突出标记,使视频更具有针对性的视频处理方式。图像标注可以应用于诸多领域,例如,应用于自动驾驶领域定位障碍物,或应用于视频追踪领域锁定重要的视频线索信息等。
发明内容
本申请实施例提供了一种图像标注方法、装置、电子设备以及存储介质,以提高图像的标注效率和标注能力。
第一方面,本申请实施例提供了一种图像标注方法,包括:
确定图像标注因子,其中,所述图像标注因子包括待标注图像,以及与所述待标注图像相匹配的标注元素;
构建所述图像标注因子之间的关联关系;
根据所述标注元素以及所述关联关系对所述待标注图像进行标注。
第二方面,本申请实施例提供了一种图像标注装置,包括:
图像标注因子确定模块,用于确定图像标注因子,其中,所述图像标注因子包括待标注图像,以及与所述待标注图像相匹配的标注元素;
关联关系构建模块,用于构建所述图像标注因子之间的关联关系;
图像标注模块,用于根据所述标注元素以及所述关联关系对所述待标注图像进行标注。
第三方面,本申请实施例提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面实施例所提供的图像标注方法。
第四方面,本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行第一方面实施例所提供的图像标注方法。
本申请实施例通过确定待标注图像以及与待标注图像相匹配的标注元素,作为图像标注因子,并构建图像标注因子之间的关联关系,以根据标注元素以及关联关系对待标注图像进行标注,解决现有图像标注工具存在的标注效率低及标注能力不足等问题,从而提高图像的标注效率和标注能力。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请实施例提供的一种图像标注方法的流程图;
图2是本申请实施例提供的一种图像标注方法的流程图;
图3是本申请实施例提供的一种障碍物及接地点标注的效果示意图;
图4是本申请实施例提供的一种车道线及关键点标注的效果示意图;
图5是本申请实施例提供的一种关键点标注的效果示意图;
图6是本申请实施例提供的一种关键点标注的效果示意图;
图7是本申请实施例提供的一种语义标注的效果示意图;
图8是本申请实施例提供的一种图像标注装置的结构图;
图9是用来实现本申请实施例的图像标注方法的电子设备的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
随着人工智能算法的逐渐成熟,人脸识别、计算机视觉及自动驾驶等技术已经成为主要的热门技术。对于这类技术来说,图像处理是必不可少的环节。为了训练相关的图像处理算法,往往需要预先构建处理过的图像数据作为样本数据,例如,将带有标注结果的图像数据作为样本数据。为了满足各种应用场景的标注需求,需要有不同类型的图像类标注工具来支持。
现有的各类图像标注工具多为定制化的标注工具,通常仅能满足单一的应用场景的标注需求。例如,常见的图像标注工具包括画框工具、打点工具及画线工具。其中,画框工具主要适用于自动驾驶的障碍物、定位元素及标志牌标注场景,以及流量统计等场景。打点工具主要适用于人脸关键点、肢体关键点及自动泊车场景下的车位点等场景。画线工具主要适用于自动驾驶的车道线标注、停车位标注以及语义分割等场景。
仅能满足单一应用场景标注需求的图像标注工具的维护和使用成本都较大,且不能支持混合标注需求的应用场景。如果需要对混合标注需求的应用场景的图像进行标注,必须通过项目拆分的方式串行标注后再进行结果合并。例如在某些车道线标注场景中会要求标出车道线的截断点,此时就需要在画线工具中首先完成车道线的标注,再将带有车道线标注结果的图片导入打点工具中完成截断点的标注,这无疑延长了标注流程和标注时间,标注效率和标注能力较低。
在一个示例中,图1是本申请实施例提供的一种图像标注方法的流程图,本实施例可适用于利用统一的图像标注工具对不同标注需求的应用场景图像进行标注的情况,该方法可以由图像标注装置来执行,该装置可以由软件和/或硬件的方式来实现,并一般可集成在电子设备中。该电子设备可以是计算机设备。相应的,如图1所示,该方法包括如下操作:
S110、确定图像标注因子,其中,所述图像标注因子包括待标注图像,以及与所述待标注图像相匹配的标注元素。
其中,图像标注因子可以是图像标注场景中的操作对象,可以包括但不限于待标注图像,以及与待标注图像相匹配的标注元素。其中,待标注图像也即需要进行标注的图像。标注元素可以用于对待标注图像进行标注,标注元素的数量可以是一个或多个,本申请实施例并不对标注元素的数量进行限定。在本申请的一个可选实施例中,所述标注元素可以包括但不限于框元素、分割框元素、点元素、线元素、区域元素以及立方体元素等。除此之外,标注元素的类型还可以根据实际需求进行扩展,如平行四边形、六边形或梯形等,本申请实施例同样不对标注元素的具体类型进行限定。多元化的标注元素可以满足多种图像标注场景的不同标注需求,包括但不限于人脸关键点需求、人体骨骼点需求、自动泊车类需求、自动驾驶类需求以及语义标注需求等。
在本申请实施例中,图像标注工具可以设置多种类型的标注元素,如框元素、分割框元素、点元素、线元素、区域元素以及立方体元素等。另外,根据标注场景的标注需求,图像标注工具中的标注元素还可以扩充。相应的,在利用包括多种标注元素的图像标注工具进行图像标注时,首先需要利用图像标注工具确定图像标注因子。也即确定待标注图像,以及与待标注图像相匹配的标注元素。
S120、构建所述图像标注因子之间的关联关系。
其中,关联关系可以是待标注图像与标注元素之间,以及各标注元素之间的组合、交集或制约关系等。
相应的,在图像标注工具中确定了待标注图像,以及与待标注图像相匹配的标注元素等图像标注因子之后,即可利用图像标注工具构建图像标注因子之间的关联关系。例如,可以建立待标注图像与标注元素之间的组合关系,以及各标注元素之间的制约关系。通过构建图像标注因子之间的关联关系可以约定待标注图像与标注元素之间,或各标注元素之间的标注行为。例如,待标注图像只能利用与其存在关联关系的标注元素进行标注,不能利用未与其建立关联关系的标注元素进行标注。
S130、根据所述标注元素以及所述关联关系对所述待标注图像进行标注。
相应的,确定了图像标注因子之间的关联关系之后,即可根据标注元素以及关联关系对待标注图像进行标注。
由于标注元素可以是多种不同类型的标注元素,如框元素、点元素及线元素等,也即多种不同类型的标注元素可以同时对待标注图像进行标注,因此可以适用于混合标注需求的图标标注应用场景,如需要同时利用点元素和线元素对车道线进行标注,并利用框元素对汽车进行标注的场景。同时,标注元素还可以是单一的标注元素,因此同样适用于单一标注需求的图标标注应用场景,如仅利用线元素对车道线进行标注的场景。由此可见,本申请实施例所提供的图像标注方法可以实现利用统一的图像标注工具对不同标注需求的应用场景图像进行标注,从而提高图像的标注效率。
除此之外,由于图像标注因子之间的关联关系约定了待标注图像与标注元素之间,或各标注元素之间的标注行为。因此,在对待标注图像进行标注时,必须遵循待标注对象与标注元素之间,或各标注元素之间的关联关系,从而避免标注出错问题,进而提高图像的标注能力。
本申请实施例通过确定待标注图像以及与待标注图像相匹配的标注元素,作为图像标注因子,并构建图像标注因子之间的关联关系,以根据标注元素以及关联关系对待标注图像进行标注,解决现有图像标注工具存在的标注效率低及标注能力不足等问题,从而提高图像的标注效率和标注能力。
在一个示例中,图2是本申请实施例提供的一种图像标注方法的流程图,本申请实施例在上述各实施例的技术方案的基础上,进行了优化改进,给出了构建所述图像标注因子之间的关联关系,以及根据所述标注元素以及所述关联关系对所述待标注图像进行标注的多种具体可选的实现方式。
如图2所示的一种图像标注方法,包括:
S210、确定待标注图像,以及与所述待标注图像相匹配的标注元素。
S220、构建所述待标注图像与各所述标注元素之间的组合关系。
其中,组合关系可以用于表示待标注图像与标注元素之间的组合情况。
可选的,构建图像标注因子之间的关联关系时,可以构建待标注图像与标注元素之间的组合关系。示例性的,待标注图像与框元素、点元素以及线元素之间存在组合关系,则表明,待标注图像可以同时使用框元素、点元素以及线元素对图像内的标注对象进行标注。其中,标注对象可以是障碍物、人脸关键点或追踪目标等,本申请实施例并不对标注对象的具体类型进行限定。
通过构建待标注图像与各标注元素之间的组合关系,可以约定待标注图像只能利用与其存在组合关系的标注元素进行标注,从而避免标注元素使用错误等问题。
S230、根据各所述标注元素之间的制约规则,构建各所述标注元素之间的制约关系。
其中,制约规则可以是具体图像标注应用场景针对标注元素所要求的标注元素之间的限制规则。例如,制约规则可以是:点元素必须在框元素的框内区域中或线元素上进行标注。制约关系可以用于限定标注元素之间的限制情况,可选的,可以是限制标注元素之间的相对位置。
在本申请实施例中,制约关系可以包括但不限于包含关系、连接关系交并补关系。其中,包含关系可以表示标注元素之间是相互包含的。示例性的,假设线元素与点元素存在包含关系,则在利用两种标注元素进行标注时,标注点需要在标注线的线段上进行标注。连接关系可以表示标注元素之间是相互连接的。示例性的,假设线元素与线元素存在连接关系,则各线段之间需要相互连接。交并补关系可以表示标注元素之间是相互拼接的。示例性的,假设区域元素与区域元素之间存在交并补关系,则各区域元素之间可以自动分割和拼接。除上述制约关系外,还可以根据具体的图像标注场景对其他类型的制约关系进行扩充,本申请实施例对此并不进行限制。
可选的,构建图像标注因子之间的关联关系时,还可以根据各标注元素之间的制约规则,构建各标注元素之间的制约关系。示例性的,当前图像标注场景为障碍物标注场景,要求汽车作为障碍物,其接地点必须标注在标注框的框内区域中。则相应的,在将待标注图像与框元素、点元素之间建立组合关系后,进一步可以建立框元素与点元素之间的包含关系,也即限制点必须标注在标注框的框内区域中。在这种制约关系下,如果想用点元素标注其他非点类型的标注对象,如用点元素单独标注红路灯则是不允许的。
通过构建各标注元素之间的制约关系,可以限制各标注元素之间的标注行为,从而避免标注出错问题,进而提高图像的标注能力。
S240、根据所述关联关系约束各所述标注元素之间的相对位置关系。
可选的,在根据标注元素以及关联关系对待标注图像进行标注时,需要根据关联关系约束各标注元素之间的相对位置关系。示例性的,假设点元素与线元素之间存在包含关系,则需要约束线元素要包含点元素,也即标注点需要设置在标注线的线段上。需要说明的是,标注点可以是标注在线段的端点上,也还可以是标注在线段内的任意一点上,本申请实施例对此并不进行限制。
S250、根据各所述标注元素以及各所述标注元素之间的相对位置关系对所述待标注图像进行标注。
相应的,在确定了各标注元素之间的相对位置关系后,即可根据标注元素以及各标注元素之间的相对位置关系对待标注图像进行标注。在利用标注元素进行标注时,如果各标注元素之间的当前相对位置关系满足其约束的相对位置关系,则可以利用标注元素进行标注。如标注点被放置在标注线的端点上,则可以使用标注点进行标注。如果各标注元素之间的当前相对位置关系不满足其约束的相对位置关系,则拒绝利用标注元素进行标注。如标注点被放置在标注线外侧的位置点上,则禁止使用标注点对该位置点进行标注。
上述方案中,通过根据关联关系约束各标注元素之间的相对位置关系,以根据各标注元素以及各标注元素之间的相对位置关系对待标注图像进行标注,可以有效避免标注元素的错误使用情况,进而提高图像的标注能力。
在本申请的一个可选实施例中,所述标注元素至少可以包括框元素以及点元素;所述构建所述图像标注因子之间的关联关系,可以包括:构建所述待标注图像与各所述标注元素之间的组合关系;以及,构建所述框元素与所述点元素之间的包含关系。所述根据各所述标注元素以及各所述标注元素之间的相对位置关系对所述待标注图像进行标注,可以包括:根据所述框元素对所述待标注图像中的标注对象进行框选标注;根据所述点元素对所述待标注图像中的标注对象的接地点进行标注;其中,所述点元素包含在所述框元素的框内区域中。该方案可以满足标注障碍物及接地点等应用场景的混合标注需求。
图3是本申请实施例提供的一种障碍物及接地点标注的效果示意图。示例性的,如图3所示,以自动驾驶领域的障碍物及接地点标注的应用场景为例说明。其中,障碍物可以是各种类型的车辆。在对待标注图像中的障碍物及接地点进行标注之前,首先需要构建待标注图像与标注元素之间的组合关系。其中,标注元素至少可以包括框元素和点元素。除此之外,还可以包括分割框元素和立方体元素。其中,框元素可以是标注框,用于通过矩形框的形式框选标注障碍物。点元素可以是标注点,用于通过点的形式标注接地点。分割框元素除了可以用于分割障碍物,还可以标注障碍物的方向,如通过分割框里的对角线或填充颜色等方式标注车辆的车头方向等。立方体元素可以用于通过立体框体的形式框选标注障碍物。
由于接地点为障碍物与地面的接触点,而框元素、分割框元素及立方体元素对障碍物进行标注时,其接地点通常位于车轮底部,而车轮位于框线的框内区域中,因此,接地点也需要位于框线的框内区域中。因此,在构建图像标注因子之间的关联关系时,还可以同时构建框元素与点元素之间的包含关系。也即,约束标注点必须在标注框的框内区域中进行标注。
相应的,在确定待标注图像与框元素、点元素之间的组合关系,以及框元素与点元素之间的包含关系后,可以利用根据框元素对待标注图像中的标注对象进行框选标注,并根据点元素对待标注图像中的标注对象的接地点进行标注。如图3所示,可以利用框元素框选标注出所有的车辆,并同时用点元素标注各个车辆的接地点。由于框元素与点元素之间存在包含关系,要求标注点必须标注在标注框的框内区域中,因此,如图3所示的最右侧车辆的左侧两个车轮的标注点分别标注在标注框的框内区域中。
在本申请的一个可选实施例中,所述标注元素至少可以包括线元素以及点元素;所述构建所述图像标注因子之间的关联关系,可以包括:构建所述待标注图像与各所述标注元素之间的组合关系;以及,构建所述线元素与所述点元素之间的包含关系;所述根据各所述标注元素以及各所述标注元素之间的相对位置关系对所述待标注图像进行标注,可以包括:根据所述线元素对所述待标注图像中的标注对象进行划线标注;根据所述点元素对所述标注对象的截断点进行标注;其中,所述点元素包含在所述线元素的线段上。该方案可以满足标注车道线及关键点的应用场景的混合标注需求。
图4是本申请实施例提供的一种车道线及关键点标注的效果示意图。示例性的,如图4所示,以自动驾驶领域的车道线及关键点标注的应用场景为例说明。其中,关键点可以是车道线的截断点,如端点或转折点等。在对待标注图像中的车道线及关键点进行标注之前,首先需要构建待标注图像与标注元素之间的组合关系。其中,标注元素至少可以包括线元素和点元素。其中,线元素可以是线段,用于通过直线段或曲线段的形式标注车道线。点元素可以是标注点,用于通过点的形式标注车道线的关键点。
由于关键点通常为车道线的端点或转折点,而线元素对车道线进行标注时,其线段通常会穿越或覆盖关键点。因此,在构建图像标注因子之间的关联关系时,还可以同时构建线元素与点元素之间的包含关系。也即,约束标注点必须在标注线的线段上进行标注。可选的,标注点可以在线段上的任意一点进行标注。
相应的,在确定待标注图像与线元素、点元素之间的组合关系,以及线元素与点元素之间的包含关系后,可以利用根据线元素对待标注图像中的标注对象进行划线标注,并根据点元素对待标注图像中的标注对象的截断点进行标注。如图4所示,可以利用线元素划线标注出所有的车道线,包括白色线以及白色线之间延伸的线,并同时用点元素标注各个车道线的截断点。由于线元素与点元素之间存在包含关系,要求标注点必须标注在标注线的线段上,因此,如图4所示的标注点均标注在标注线上。
在本申请的一个可选实施例中,所述标注元素至少可以包括线元素;所述构建所述图像标注因子之间的关联关系,可以包括:构建所述待标注图像与所述线元素之间的组合关系;以及,构建所述线元素与所述线元素之间的连接关系;所述根据各所述标注元素以及各所述标注元素之间的相对位置关系对所述待标注图像进行标注,可以包括:根据所述线元素对所述待标注图像中的标注对象进行划线标注;其中,各所述线元素之间相互连接。该方案可以满足标注车道线的应用场景的单一标注需求。
以自动驾驶领域的车道线标注的应用场景为例说明。在对待标注图像中的车道线进行标注之前,首先需要构建待标注图像与线元素之间的组合关系。其中,线元素可以是线段,用于通过直线段或曲线段的形式标注车道线。
假设车道线为白虚线,且标注规则要求白虚线采用多条短线段连续标注。则在标注白虚线的车道线时,需要利用多条短线的进行标注,且各短线段之间需要相互连接。
相应的,在确定待标注图像与线元素之间的组合关系,以及线元素与线元素之间的连接关系后,可以利用根据线元素对待标注图像中的标注对象进行划线标注。也即,可以利用线元素连续划线标注出所有的车道线,包括白色线以及白色线之间延伸的线。由于线元素与线元素之间存在连接关系,要求各线元素之间需要相互连接。也即相邻两条线段的端点相互重合。
在本申请的一个可选实施例中,所述标注元素至少可以包括点元素;所述构建所述图像标注因子之间的关联关系,可以包括:构建所述待标注图像与所述点元素之间的组合关系;所述根据各所述标注元素以及各所述标注元素之间的相对位置关系对所述待标注图像进行标注,可以包括:根据所述点元素对所述待标注图像中的标注对象进行打点标注;其中,各所述点元素之间不完全重合。该方案可以满足关键点的应用场景的单一标注需求。
图5是本申请实施例提供的一种关键点标注的效果示意图,图6是本申请实施例提供的一种关键点标注的效果示意图。示例性的,如图5和图6所示,以人体骨骼关键点标注和人脸关键点标注的应用场景为例说明。其中,关键点可以是人体骨骼以及人脸的关键点,如四肢上的边界点或五官的特征点等。在对待标注图像中的关键点进行标注之前,首先需要构建待标注图像与点元素之间的组合关系。点元素可以是标注点,用于通过点的形式标注人体骨骼或人脸的关键点。
可以理解的是,对特征点进行标注时,通常情况下各点之间是相互分离的。某些场景中,部分特征点可能存在部分重叠的情况。因此,在利用标注点对标注图像进行标注时,往往需要要求各标注点之间不能完全重合,也即不能重复标注。同理,当标注元素为单一的标注元素时,其他类型的标注元素之间也不能完全重合,以避免重复标注。这种情况下,可以不设置标注元素之间的制约关系,图片标注工具可以默认标注元素之间不能完全重合;或者,还可以对单一类型的标注元素设置完全排斥关系,也即表明单一类型的标注元素之间不完全重合,本申请实施例对此并不进行限制。
相应的,在确定待标注图像与点元素之间的组合关系后,可以利用根据点元素对待标注图像中的标注对象进行打点标注。如图5和图6所示,可以利用点元素打点标注出所有的关键点或特征点,且各点元素之间相互分离。
在本申请的一个可选实施例中,所述标注元素至少可以包括区域元素;所述构建所述图像标注因子之间的关联关系,可以包括:构建所述待标注图像与所述区域元素之间的组合关系;以及,构建所述区域元素之间的交并补关系;所述根据各所述标注元素以及各所述标注元素之间的相对位置关系对所述待标注图像进行标注,可以包括:根据所述区域元素对所述待标注图像中的标注对象进行多边形区域标注;其中,各所述区域元素之间进行自动分割和拼接。该方案可以满足区域连通标注的应用场景的语义标注需求。
图7是本申请实施例提供的一种语义标注的效果示意图。示例性的,如图7所示,以自动驾驶领域的语义标注的应用场景为例说明。其中,所谓语义标注也即利用区域或多边形的形式,标注出一个完整的标注对象的轮廓,如图7所示,采用区域的方式标注出汽车的轮廓;或标注出同一类标注对象的整体轮廓,如图7所示,采用区域的方式标注出所有树木的整体轮廓。同时,不同标注对象的区域还可以配置不同的颜色,例如,汽车的轮廓内填充玫红色,树木的轮廓内填充绿色,电线杆的轮廓内填充紫色等。在对待标注图像中的多标注对象进行标注之前,首先需要构建待标注图像与区域元素之间的组合关系。区域元素可以是多边形,用于通过多边形连接的形式标注不同的标注对象。
可以理解的是,对同一待标注图像中的不同标注对象进行标注时,同一种标注对象如果相对位置是连接的,可以采用一个大的区域标注出统一区域内的同一类型的标注对象;同一种标注对象的相对位置如果距离较远,则需要采用不同的区域标注出不同位置的标注对象,但各个区域的属性(如填充颜色等)应该保持一致,用于表示两个区域内的标注对象的类型相同。例如,树木与树木之间是相互邻接的,此时,则可以对一个区域相邻接的所有树木划分成一个完整的多边形。电线杆与电线杆之间的相对位置距离较远,则可以分别采用不同的区域分别标注各个电线杆,但各个电线杆对应的区域内填充的颜色应该保持一致。
相应的,在确定待标注图像与区域元素之间的组合关系后,还可以同时构建区域元素之间的交并补关系。构建区域元素之间的交并补关系的效果为:各区域元素之间可以通过设置的交并补关系进行自动分割和拼接。如图7所示,在利用不同的区域标注汽车、树木、道路和电线杆时,汽车、树木、道路和电线杆之间的多边形轮廓是相互紧密分割的。而利用区域标注同一片树木时,则可以对同一片数据采用一个完整的多边形进行标注,且可以通过额外的多边形标注树木之间的电线杆,以进行区分。
上述技术方案,通过建立待标注图像与不同标注元素之间的组合关系,以及各标注元素之间的制约关系,能够满足多种不同图像标注场景的应用需求,从而提高图像的标注效率和标注能力,并降低图像的标注成本。
在一个示例中,图8是本申请实施例提供的一种图像标注装置的结构图,本申请实施例可适用于利用统一的图像标注工具对不同标注需求的应用场景图像进行标注的情况,该装置通过软件和/或硬件实现,并具体配置于电子设备中。该电子设备可以是计算机设备。
如图8所示的一种图像标注装置300,包括:图像标注因子确定模块310、关联关系构建模块320和图像标注模块330。其中,
图像标注因子确定模块310,用于确定图像标注因子,其中,所述图像标注因子包括待标注图像,以及与所述待标注图像相匹配的标注元素;
关联关系构建模块320,用于构建所述图像标注因子之间的关联关系;
图像标注模块330,用于根据所述标注元素以及所述关联关系对所述待标注图像进行标注。
本申请实施例通过确定待标注图像以及与待标注图像相匹配的标注元素,作为图像标注因子,并构建图像标注因子之间的关联关系,以根据标注元素以及关联关系对待标注图像进行标注,解决现有图像标注工具存在的标注效率低及标注能力不足等问题,从而提高图像的标注效率和标注能力。
可选的,关联关系构建模块320具体用于:构建所述待标注图像与所述标注元素之间的组合关系。
可选的,关联关系构建模块320具体用于:根据各所述标注元素之间的制约规则,构建各所述标注元素之间的制约关系;其中,所述制约关系包括包含关系、连接关系及交并补关系。
可选的,所述标注元素包括框元素、分割框元素、点元素、线元素、区域元素以及立方体元素。
可选的,图像标注模块330具体用于:根据所述关联关系约束各所述标注元素之间的相对位置关系;根据各所述标注元素以及各所述标注元素之间的相对位置关系对所述待标注图像进行标注。
可选的,所述标注元素至少包括框元素以及点元素;关联关系构建模块320具体用于:构建所述待标注图像与各所述标注元素之间的组合关系;以及,构建所述框元素与所述点元素之间的包含关系;图像标注模块330具体用于:根据所述框元素对所述待标注图像中的标注对象进行框选标注;根据所述点元素对所述待标注图像中的标注对象的接地点进行标注;其中,所述点元素包含在所述框元素的框内区域中。
可选的,所述标注元素至少包括线元素以及点元素;关联关系构建模块320具体用于:构建所述待标注图像与各所述标注元素之间的组合关系;以及,构建所述线元素与所述点元素之间的包含关系;图像标注模块330具体用于:根据所述线元素对所述待标注图像中的标注对象进行划线标注;根据所述点元素对所述标注对象的截断点进行标注;其中,所述点元素包含在所述线元素的线段上。
可选的,所述标注元素至少包括线元素;关联关系构建模块320具体用于:构建所述待标注图像与所述线元素之间的组合关系;以及,构建所述线元素与所述线元素之间的连接关系;图像标注模块330具体用于:根据所述线元素对所述待标注图像中的标注对象进行划线标注;其中,各所述线元素之间相互连接。
可选的,所述标注元素至少包括点元素;关联关系构建模块320具体用于:构建所述待标注图像与所述点元素之间的组合关系;图像标注模块330具体用于:根据所述点元素对所述待标注图像中的标注对象进行打点标注;其中,各所述点元素之间不完全重合。
可选的,所述标注元素至少包括区域元素;关联关系构建模块320具体用于:构建所述待标注图像与所述区域元素之间的组合关系;以及,构建所述区域元素之间的交并补关系;图像标注模块330具体用于:根据所述区域元素对所述待标注图像中的标注对象进行多边形区域标注;其中,各所述区域元素之间进行自动分割和拼接。
上述图像标注装置可执行本申请任意实施例所提供的图像标注方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请任意实施例提供的图像标注方法。
由于上述所介绍的图像标注装置为可以执行本申请实施例中的图像标注方法的装置,故而基于本申请实施例中所介绍的图像标注方法,本领域所属技术人员能够了解本实施例的图像标注装置的具体实施方式以及其各种变化形式,所以在此对于该图像标注装置如何实现本申请实施例中的图像标注方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中图像标注方法所采用的装置,都属于本申请所欲保护的范围。
在一个示例中,本申请还提供了一种电子设备和一种可读存储介质。
图9是用来实现本申请实施例的图像标注方法的电子设备的结构示意图。如图9所示,是根据本申请实施例的图像标注方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示,该电子设备包括:一个或多个处理器401、存储器402,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的图像标注方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的图像标注方法。
存储器402作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的图像标注方法对应的程序指令/模块(例如,附图8所示的图像标注因子确定模块310、关联关系构建模块320和图像标注模块330)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的图像标注方法。
存储器402可以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、至少一个功能所需要的应用程序;存储数据区可存储实现图像标注方法的电子设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至实现图像标注方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现图像标注方法的电子设备还可以包括:输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接,图9中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息,以及产生与实现图像标注方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端可以是智能手机、笔记本电脑、台式计算机、平板电脑、智能音箱等,但并不局限于此。服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算、云服务、云数据库、云存储等基础云计算服务的云服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
本申请实施例通过确定待标注图像以及与待标注图像相匹配的标注元素,作为图像标注因子,并构建图像标注因子之间的关联关系,以根据标注元素以及关联关系对待标注图像进行标注,解决现有图像标注工具存在的标注效率低及标注能力不足等问题,从而提高图像的标注效率和标注能力。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种图像标注方法,包括:
确定图像标注因子,其中,所述图像标注因子包括待标注图像,以及与所述待标注图像相匹配的标注元素;
构建所述图像标注因子之间的关联关系;
根据所述标注元素以及所述关联关系对所述待标注图像进行标注;
其中,所述构建所述图像标注因子之间的关联关系,包括:
根据各所述标注元素之间的制约规则,构建各所述标注元素之间的制约关系;
其中,所述制约关系包括包含关系、连接关系及交并补关系;
所述根据所述标注元素以及所述关联关系对所述待标注图像进行标注,包括:
根据所述关联关系约束各所述标注元素之间的相对位置关系;
根据各所述标注元素以及各所述标注元素之间的相对位置关系对所述待标注图像进行标注;
其中,所述标注元素至少包括线元素以及点元素;所述点元素包含在所述线元素的线段上;或
所述标注元素至少包括区域元素;各所述区域元素之间进行自动分割和拼接;或
所述标注元素至少包括框元素以及点元素;所述点元素包含在所述框元素的框内区域中。
2.根据权利要求1所述的方法,其中,所述构建所述图像标注因子之间的关联关系,还包括:
构建所述待标注图像与所述标注元素之间的组合关系。
3.根据权利要求1或2所述的方法,其中,所述标注元素包括框元素、分割框元素、点元素、线元素、区域元素以及立方体元素。
4.根据权利要求1所述的方法,其中,若所述标注元素至少包括框元素以及点元素;
则所述构建所述图像标注因子之间的关联关系,包括:
构建所述待标注图像与各所述标注元素之间的组合关系;以及,
构建所述框元素与所述点元素之间的包含关系;
所述根据各所述标注元素以及各所述标注元素之间的相对位置关系对所述待标注图像进行标注,包括:
根据所述框元素对所述待标注图像中的标注对象进行框选标注;
根据所述点元素对所述待标注图像中的标注对象的接地点进行标注;
其中,所述点元素包含在所述框元素的框内区域中。
5.根据权利要求1所述的方法,其中,若所述标注元素至少包括线元素以及点元素;
则所述构建所述图像标注因子之间的关联关系,包括:
构建所述待标注图像与各所述标注元素之间的组合关系;以及,
构建所述线元素与所述点元素之间的包含关系;
所述根据各所述标注元素以及各所述标注元素之间的相对位置关系对所述待标注图像进行标注,包括:
根据所述线元素对所述待标注图像中的标注对象进行划线标注;
根据所述点元素对所述标注对象的截断点进行标注;
其中,所述点元素包含在所述线元素的线段上。
6.根据权利要求1所述的方法,其中,若所述标注元素至少包括区域元素;
则所述构建所述图像标注因子之间的关联关系,包括:
构建所述待标注图像与所述区域元素之间的组合关系;以及,
构建所述区域元素之间的交并补关系;
所述根据各所述标注元素以及各所述标注元素之间的相对位置关系对所述待标注图像进行标注,包括:
根据所述区域元素对所述待标注图像中的标注对象进行多边形区域标注;
其中,各所述区域元素之间进行自动分割和拼接。
7.一种图像标注装置,包括:
图像标注因子确定模块,用于确定图像标注因子,其中,所述图像标注因子包括待标注图像,以及与所述待标注图像相匹配的标注元素;
关联关系构建模块,用于构建所述图像标注因子之间的关联关系;
图像标注模块,用于根据所述标注元素以及所述关联关系对所述待标注图像进行标注;
所述关联关系构建模块具体用于:
根据各所述标注元素之间的制约规则,构建各所述标注元素之间的制约关系;
其中,所述制约关系包括包含关系、连接关系及交并补关系;
所述图像标注模块具体用于:
根据所述关联关系约束各所述标注元素之间的相对位置关系;
根据各所述标注元素以及各所述标注元素之间的相对位置关系对所述待标注图像进行标注;
其中,所述标注元素至少包括线元素以及点元素;所述点元素包含在所述线元素的线段上;或
所述标注元素至少包括区域元素;各所述区域元素之间进行自动分割和拼接;或
所述标注元素至少包括框元素以及点元素;所述点元素包含在所述框元素的框内区域中。
8.根据权利要求7所述的装置,其中,所述关联关系构建模块具体用于:构建所述待标注图像与所述标注元素之间的组合关系。
9.根据权利要求7或8所述的装置,其中,所述标注元素包括框元素、分割框元素、点元素、线元素、区域元素以及立方体元素。
10.根据权利要求7所述的装置,其中,若所述标注元素至少包括框元素以及点元素;
则所述关联关系构建模块具体用于:
构建所述待标注图像与各所述标注元素之间的组合关系;以及,
构建所述框元素与所述点元素之间的包含关系;
所述图像标注模块具体用于:
根据所述框元素对所述待标注图像中的标注对象进行框选标注;
根据所述点元素对所述待标注图像中的标注对象的接地点进行标注;
其中,所述点元素包含在所述框元素的框内区域中。
11.根据权利要求7所述的装置,其中,若所述标注元素至少包括线元素以及点元素;
则所述关联关系构建模块具体用于:
构建所述待标注图像与各所述标注元素之间的组合关系;以及,
构建所述线元素与所述点元素之间的包含关系;
所述图像标注模块具体用于:
根据所述线元素对所述待标注图像中的标注对象进行划线标注;
根据所述点元素对所述标注对象的截断点进行标注;
其中,所述点元素包含在所述线元素的线段上。
12.根据权利要求7所述的装置,其中,若所述标注元素至少包括区域元素;
则所述关联关系构建模块具体用于:
构建所述待标注图像与所述区域元素之间的组合关系;以及,
构建所述区域元素之间的交并补关系;
所述图像标注模块具体用于:
根据所述区域元素对所述待标注图像中的标注对象进行多边形区域标注;
其中,各所述区域元素之间进行自动分割和拼接。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述图像标注方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述图像标注方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010694368.8A CN111860304B (zh) | 2020-07-17 | 2020-07-17 | 一种图像标注方法、电子装置、设备及存储介质 |
US17/208,534 US20210209765A1 (en) | 2020-07-17 | 2021-03-22 | Image labeling method, electronic device, apparatus, and storage medium |
EP21164604.7A EP3885985A3 (en) | 2020-07-17 | 2021-03-24 | Image labeling method, electronic device, apparatus, and storage medium |
KR1020210037787A KR20210040296A (ko) | 2020-07-17 | 2021-03-24 | 이미지 태깅방법, 전자장치, 기기, 저장매체 및 프로그램 |
JP2021084575A JP2021121960A (ja) | 2020-07-17 | 2021-05-19 | 画像注釈方法、装置、電子設備、記憶媒体、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010694368.8A CN111860304B (zh) | 2020-07-17 | 2020-07-17 | 一种图像标注方法、电子装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111860304A CN111860304A (zh) | 2020-10-30 |
CN111860304B true CN111860304B (zh) | 2024-04-30 |
Family
ID=73000550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010694368.8A Active CN111860304B (zh) | 2020-07-17 | 2020-07-17 | 一种图像标注方法、电子装置、设备及存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210209765A1 (zh) |
EP (1) | EP3885985A3 (zh) |
JP (1) | JP2021121960A (zh) |
KR (1) | KR20210040296A (zh) |
CN (1) | CN111860304B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308155B (zh) * | 2020-11-04 | 2024-07-23 | 广州小鹏自动驾驶科技有限公司 | 一种标注准确率确定方法和装置 |
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 |
CN112270532B (zh) * | 2020-11-12 | 2023-07-28 | 北京百度网讯科技有限公司 | 一种数据处理方法、装置、电子设备以及存储介质 |
CN112528610B (zh) * | 2020-12-09 | 2023-11-14 | 北京百度网讯科技有限公司 | 一种数据标注方法、装置、电子设备及存储介质 |
TW202232437A (zh) * | 2021-02-09 | 2022-08-16 | 阿物科技股份有限公司 | 圖像分類與標示方法及系統 |
CN113377477A (zh) * | 2021-06-24 | 2021-09-10 | 上海商汤科技开发有限公司 | 数据标注方法、装置、设备及存储介质 |
CN113407083A (zh) * | 2021-06-24 | 2021-09-17 | 上海商汤科技开发有限公司 | 一种数据标注方法及装置、电子设备和存储介质 |
CN113449142A (zh) * | 2021-06-30 | 2021-09-28 | 北京百度网讯科技有限公司 | 信息处理方法及装置、电子设备、存储介质及产品 |
CN113591580B (zh) * | 2021-06-30 | 2022-10-14 | 北京百度网讯科技有限公司 | 图像标注方法、装置、电子设备和存储介质 |
CN113592981B (zh) * | 2021-07-01 | 2022-10-11 | 北京百度网讯科技有限公司 | 图片标注方法、装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0696160A (ja) * | 1992-09-14 | 1994-04-08 | Hitachi Ltd | プリント回路基板の領域設定方法 |
CN102436583A (zh) * | 2011-09-26 | 2012-05-02 | 哈尔滨工程大学 | 基于对标注图像学习的图像分割方法 |
WO2018137623A1 (zh) * | 2017-01-24 | 2018-08-02 | 深圳市商汤科技有限公司 | 图像处理方法、装置以及电子设备 |
CN109740005A (zh) * | 2018-12-29 | 2019-05-10 | 北京经纬恒润科技有限公司 | 一种图像目标标注方法及装置 |
WO2019232894A1 (zh) * | 2018-06-05 | 2019-12-12 | 中国石油大学(华东) | 一种基于复杂场景下的人体关键点检测系统及方法 |
CN111337898A (zh) * | 2020-02-19 | 2020-06-26 | 北京百度网讯科技有限公司 | 激光点云的处理方法、装置、设备及存储介质 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1734476A4 (en) * | 2004-03-29 | 2007-06-06 | Pioneer Corp | ROAD VISION ANALYSIS DEVICE AND METHOD |
WO2014170431A1 (en) * | 2013-04-19 | 2014-10-23 | Koninklijke Philips N.V. | Grouping image annotations |
US10838426B2 (en) * | 2016-07-21 | 2020-11-17 | Mobileye Vision Technologies Ltd. | Distributing a crowdsourced sparse map for autonomous vehicle navigation |
US20190304102A1 (en) * | 2018-03-30 | 2019-10-03 | Qualcomm Incorporated | Memory efficient blob based object classification in video analytics |
US11100366B2 (en) * | 2018-04-26 | 2021-08-24 | Volvo Car Corporation | Methods and systems for semi-automated image segmentation and annotation |
CN110569837B (zh) * | 2018-08-31 | 2021-06-04 | 创新先进技术有限公司 | 优化损伤检测结果的方法及装置 |
CN109670591B (zh) * | 2018-12-14 | 2022-09-27 | 深圳市商汤科技有限公司 | 一种神经网络的训练方法及图像匹配方法、装置 |
US11200429B1 (en) * | 2018-12-28 | 2021-12-14 | Zoox, Inc. | Tracking objects using sensor data segmentations and/or representations |
EP3696718A1 (en) * | 2019-02-15 | 2020-08-19 | Wipro Limited | Method and system for determining drivable road regions for safe navigation of an autonomous vehicle |
US11651689B2 (en) * | 2019-08-19 | 2023-05-16 | Here Global B.V. | Method, apparatus, and computer program product for identifying street parking based on aerial imagery |
US10984290B1 (en) * | 2019-11-15 | 2021-04-20 | Zoox, Inc. | Multi-task learning for real-time semantic and/or depth aware instance segmentation and/or three-dimensional object bounding |
US10832400B1 (en) * | 2020-01-14 | 2020-11-10 | Capital One Services, Llc | Vehicle listing image detection and alert system |
US11450008B1 (en) * | 2020-02-27 | 2022-09-20 | Amazon Technologies, Inc. | Segmentation using attention-weighted loss and discriminative feature learning |
US11967161B2 (en) * | 2020-06-26 | 2024-04-23 | Amazon Technologies, Inc. | Systems and methods of obstacle detection for automated delivery apparatus |
US11508118B2 (en) * | 2020-07-13 | 2022-11-22 | Fujitsu Limited | Provisioning real-time three-dimensional maps for autonomous vehicles |
-
2020
- 2020-07-17 CN CN202010694368.8A patent/CN111860304B/zh active Active
-
2021
- 2021-03-22 US US17/208,534 patent/US20210209765A1/en not_active Abandoned
- 2021-03-24 EP EP21164604.7A patent/EP3885985A3/en active Pending
- 2021-03-24 KR KR1020210037787A patent/KR20210040296A/ko not_active Application Discontinuation
- 2021-05-19 JP JP2021084575A patent/JP2021121960A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0696160A (ja) * | 1992-09-14 | 1994-04-08 | Hitachi Ltd | プリント回路基板の領域設定方法 |
CN102436583A (zh) * | 2011-09-26 | 2012-05-02 | 哈尔滨工程大学 | 基于对标注图像学习的图像分割方法 |
WO2018137623A1 (zh) * | 2017-01-24 | 2018-08-02 | 深圳市商汤科技有限公司 | 图像处理方法、装置以及电子设备 |
WO2019232894A1 (zh) * | 2018-06-05 | 2019-12-12 | 中国石油大学(华东) | 一种基于复杂场景下的人体关键点检测系统及方法 |
CN109740005A (zh) * | 2018-12-29 | 2019-05-10 | 北京经纬恒润科技有限公司 | 一种图像目标标注方法及装置 |
CN111337898A (zh) * | 2020-02-19 | 2020-06-26 | 北京百度网讯科技有限公司 | 激光点云的处理方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
场景语义树图像标注方法;刘咏梅;杨帆;于林森;;中国图象图形学报;20130516(05);全文 * |
微芯片焊点快速识别与定位方法;黄知超;梁国丽;朱芳来;;半导体技术;20200303(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
EP3885985A2 (en) | 2021-09-29 |
JP2021121960A (ja) | 2021-08-26 |
US20210209765A1 (en) | 2021-07-08 |
CN111860304A (zh) | 2020-10-30 |
KR20210040296A (ko) | 2021-04-13 |
EP3885985A3 (en) | 2022-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111860304B (zh) | 一种图像标注方法、电子装置、设备及存储介质 | |
KR20210097762A (ko) | 이미지 처리 방법, 장치 및 디바이스, 및 저장 매체 | |
CN111709328A (zh) | 车辆跟踪方法、装置及电子设备 | |
KR20210128371A (ko) | 도로 정보의 처리 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 | |
CN110619312B (zh) | 定位元素数据的增强方法、装置、设备及存储介质 | |
CN113223113B (zh) | 车道线处理方法、装置、电子设备和云控平台 | |
US20180210939A1 (en) | Scalable and efficient episodic memory in cognitive processing for automated systems | |
US20210190505A1 (en) | Indoor location-based service | |
JP7506014B2 (ja) | 歴史的なストリートシーンをクエリするための方法、装置、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム | |
EP3842995A1 (en) | Method and apparatus for generating map | |
CN111860302B (zh) | 一种图像标注方法、装置、电子设备及存储介质 | |
CN115410173B (zh) | 多模态融合的高精地图要素识别方法、装置、设备及介质 | |
CN113361344A (zh) | 视频事件识别方法、装置、设备及存储介质 | |
JP2022013648A (ja) | 画像を処理するための方法及び装置、電子機器、記憶媒体並びにコンピュータプログラム | |
CN112907496A (zh) | 一种图像融合方法以及装置 | |
CN110866504B (zh) | 标注数据的获取方法、装置和设备 | |
CN114111813B (zh) | 高精地图元素更新方法、装置、电子设备及存储介质 | |
CN113011298A (zh) | 截断物体样本生成、目标检测方法、路侧设备和云控平台 | |
CN112527163B (zh) | 一种路口检索方法、装置、设备及存储介质 | |
CN113126120A (zh) | 数据标注方法、装置、设备、存储介质以及计算机程序产品 | |
CN112508027A (zh) | 用于实例分割的头部模型、实例分割模型、图像分割方法及装置 | |
KR100701784B1 (ko) | 마커간 융합을 이용하여 증강현실을 구현하는 방법 및 그장치 | |
CN113345101B (zh) | 三维点云标注方法、装置、设备及存储介质 | |
CN110933455B (zh) | 一种视频筛选方法、装置、电子设备及存储介质 | |
CN113946729A (zh) | 针对车辆的数据处理方法、装置、电子设备和介质 |
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 |