CN112667834A - 一种图像标注方法及相关装置 - Google Patents
一种图像标注方法及相关装置 Download PDFInfo
- Publication number
- CN112667834A CN112667834A CN202011539941.4A CN202011539941A CN112667834A CN 112667834 A CN112667834 A CN 112667834A CN 202011539941 A CN202011539941 A CN 202011539941A CN 112667834 A CN112667834 A CN 112667834A
- Authority
- CN
- China
- Prior art keywords
- label
- labeling
- image
- information
- labeled
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种图像标注方法，包括：将待显示标签集合进行显示；其中，待显示标签集合包括至少一个标注课题对应的标签集合；根据接收到的标签选择指令从待显示标签集合中确定目标标签；根据接收到的标注指令采用目标标签对待标注图像进行标注处理，得到已标注图像。通过将待显示标签集合进行显示，以便使技术人员观察到至少一个标注课题对应的用于标注的多个标签，而不是通过切换不同的软件加载到不同标注课题对应的多个标签，避免了使用不同标注课题时在不同的软件之间切换的操作，提高了针对不同标注课题对超声图像进行标注的效率。本申请还公开了一种图像标注装置、服务器以及计算机可读存储介质，具有以上有益效果。
Description
技术领域
本申请涉及人工智能技术领域，特别涉及一种图像标注方法、图像标注装置、服务器以及计算机可读存储介质。
背景技术
随着信息技术的不断发展，出现了人工智能技术。在人工智能研究技术中，主要是通过深度学习的方式进行模型训练得到人工智能模型，用于在不同情况下进行相应的模型识别。其中，在模型训练的过程中需要大量的已标注数据作为训练的原始材料。该已标注数据一般是通过对待标注的原始数据在对应的研究方向下进行标注处理得到的。例如，当人工智能模型用于识别标准切面时，采用的已标注数据就是对标准切面进行标注后的数据。进一步的，需要对原始数据中的标准切面进行标注，以便采用标注后的已标注图像进行模型训练。
相关技术中，通常会将原始超声图像应用在不同的识别模型中，相应的就需要针对不同的标注课题对该原始超声图像进行标注。但是，在具体的标注过程中，不同的标注课题的标签被应用在对应的标注软件中。在对同一原始超声图像实施不同标注课题的标注过程中，需要采用不同的标注软件，并在标注过程中需要切换不同的标注软件，降低了对原始超声图像进行标注的效率。
因此，如何提高对原始数据进行标注的效率是本领域技术人员关注的重点问题。
发明内容
本申请的目的是提供一种图像标注方法、图像标注装置、服务器以及计算机可读存储介质，通过将待显示标签集合进行显示，以便使技术人员观察到至少一个标注课题对应的用于标注的多个标签，并通过多个标签实施标注处理，而不是通过切换不同的软件加载到不同标注课题对应的多个标签，避免了使用不同标注课题时在不同的软件之间切换的操作，提高了针对不同标注课题对超声图像进行标注的效率。
为解决上述技术问题，本申请提供一种图像标注方法，包括：
将待显示标签集合进行显示；其中，所述待显示标签集合包括至少一个标注课题对应的标签集合；
根据接收到的标签选择指令从所述待显示标签集合中确定目标标签；
根据接收到的标注指令采用所述目标标签对待标注图像进行标注处理，得到已标注图像。
可选的，还包括：
通过web管理系统将多个标注课题的课题信息进行可视化显示，以便接收课题选择指令；
根据所述课题选择指令确定标注课题，将所述标注课题对应的标签集合作为所述待显示标签集合。
可选的，在所述通过web管理系统将多个标注课题的课题信息进行可视化显示的步骤之前，还包括：
通过所述web管理系统接收多个课题信息和多个标签的标签信息；
根据接收到的绑定指令将所述课题信息和对应的标签信息进行绑定，得到多个标注课题。
可选的，还包括：
当完成标注处理时，将所述已标注图像的标注内容、标注课题以及目标标签建立对应关系，以便根据所述已标注图像及所述对应关系进行深度学习训练。
可选的，在所述将待显示标签集合进行显示的步骤之前，还包括：
根据接收到的课题信息生成对应的标注课题；
通过web管理系统将完整标签集合的所有标签信息进行显示；
根据接收到的标签添加指令将所述完整标签集合中对应的标签信息添加至所述标注课题中。
可选的，所述标签信息包括标签的可视化特征。
可选的，还包括：
对多个软件标注历史图像进行标签分析，得到每个软件标注历史图像对应的标签信息；
对所有所述标签信息进行去重处理，得到所述完整标签集合。
可选的，还包括：
获取多个软件标注历史图像；
对所述软件标注历史图像进行课题分析和标签分析，得到多个课题信息和对应的标签信息；
对所有所述课题信息和所有所述标签信息均进行去重处理，得到多个待绑定课题信息和多个待绑定标签信息；
将所述待绑定课题信息与对应的所述待绑定标签信息建立对应关系，得到多个所述标注课题。
可选的，还包括：
当将待显示标签集合进行显示时，显示所述待显示标签集合中每个标签对应的标签属性；其中，所述标签属性至少包括单选属性、多选属性以及填值属性中的一种或多种；
相应的，根据接收到的标注指令采用所述目标标签对待标注图像进行标注处理，得到已标注图像，包括：
根据接收到的标注指令，采用所述目标标签并设置所述目标标签的标签属性，对所述待标注图像进行标注处理，得到所述已标注图像。
可选的，还包括：
当完成标注处理时，将所述已标注图像的标注内容、标签属性、标注课题以及目标标签建立对应关系，以便根据所述已标注图像及所述对应关系进行深度学习训练。
本申请还提供一种图像标注装置，包括：
标签显示模块，用于将待显示标签集合进行显示；
目标标签确定模块，用于根据接收到的标签选择指令从所述待显示标签集合中确定目标标签；
标注处理模块，用于根据接收到的标注指令采用所述目标标签对待标注图像进行标注处理，得到已标注图像。
本申请还提供一种服务器，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上所述的图像标注方法的步骤。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的图像标注方法的步骤。
本申请所提供的一种图像标注方法，包括：将待显示标签集合进行显示；其中，所述待显示标签集合包括至少一个标注课题对应的标签集合；根据接收到的标签选择指令从所述待显示标签集合中确定目标标签；根据接收到的标注指令采用所述目标标签对待标注图像进行标注处理，得到已标注图像。
通过先将待显示标签集合进行显示，然后确定出目标标签，最后采用该目标标签对待标注图像进行标注处理，实现图像标注，由于其中的待显示标签集合包括至少一个标注课题对应的标签集合，以便使技术人员观察到至少一个标注课题对应的用于标注的多个标签，而不是通过切换不同的软件加载到不同标注课题对应的多个标签，避免了使用不同标注课题时在不同的软件之间切换的操作，提高了针对不同标注课题对超声图像进行标注的效率。
本申请还提供一种图像标注装置、服务器以及计算机可读存储介质，具有以上有益效果，在此不做赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的一种图像标注方法的流程图；
图2为本申请实施例所提供的图像标注方法的课题配置过程的流程图；
图3为本申请实施例所提供的一种图像标注装置的结构示意图；
图4为本申请实施例所提供的一种服务器的结构示意图。
具体实施方式
本申请的核心是提供一种图像标注方法、图像标注装置、服务器以及计算机可读存储介质，通过将待显示标签集合进行显示，以便使技术人员观察到至少一个标注课题对应的用于标注的多个标签，并通过多个标签实施标注处理，而不是通过切换不同的软件加载到不同标注课题对应的多个标签，避免了使用不同标注课题时在不同的软件之间切换的操作，提高了针对不同标注课题对超声图像进行标注的效率。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
相关技术中，通常会将原始超声图像应用在不同的识别模型中，相应的就需要针对不同的标注课题对该原始超声图像进行标注。但是，在具体的标注过程中，不同的标注课题的标签被应用在对应的标注软件中。在对同一原始超声图像实施不同标注课题的标注过程中，需要采用不同的标注软件，并在标注过程中需要切换不同的标注软件，降低了对原始超声图像进行标注的效率。可见，由于不同的研究方向需要采用不同的标注软件，导致在对一种原始数据进行多种方向的研究时，需要打开不同的软件，并且标注多次，降低了原始数据进行标注的效率。
因此，本申请提供一种图像标注方法，通过先将待显示标签集合进行显示，然后确定出目标标签，最后采用该目标标签对待标注图像进行标注处理，实现图像标注，由于其中的待显示标签集合包括至少一个标注课题对应的标签集合，以便使技术人员观察到至少一个标注课题对应的用于标注的多个标签，而不是通过切换不同的软件加载到不同标注课题对应的多个标签，避免了使用不同标注课题时在不同的软件之间切换的操作，提高了针对不同标注课题对超声图像进行标注的效率。
以下通过一个实施例，对本申请提供的一种图像标注方法进行说明。
请参考图1，图1为本申请实施例所提供的一种图像标注方法的流程图。
本实施例中，该方法可以包括：
S101，将待显示标签集合进行显示；其中，待显示标签集合包括至少一个标注课题对应的标签集合；
可见，本步骤旨在将待显示标签集合中的标签进行显示，并且其中的待显示标签集合包括至少一个标注课题的对应的标签集合。也就是，通过本步骤将至少一个标注课题对应的标签集合的标签进行显示。
其中，标注课题是根据图像标注研究方向确定的标注课题，一个标注课题中可以包括多个用于标注的标签。在对图像进行标注的过程中通常是选择一个标注课题，显示该标注课题的标签及对应的标签属性，然后进行标注。当然为了提高显示标注课题的数量，也可以选择两个或多个标注课题，显示每个标注课题的标签及对应的标签属性。可见，可以在本步骤执行前对每个标注课题进行配置，获取到多个标注课题，每个标注课题均可以包括多个标签。
如上，该待显示标签集合可以包括至少一个标注课题对应的标签集合。进一步的，该待显示标签集合可以是包括技术人员选定的一个或多个标注课题对应的标签集合，也可以是包括所有的标注课题的标签集合，还可以是包括根据待标注图像的类型确定的标注课题对应的标签集合。其中，根据待标注图像的类型确定的标注课题对应的标签集合的过程或步骤可以是：首先对获取到的待标注图像进行类型分析，得到类型信息，包括但不限于产科超声图像，心脏超声图像，肺部超声图像；然后根据类型信息确定对应的标注课题。需要指出的是，在同一类型的超声图像的标注中可以存在不同的标注课题，例如，对于产科超声图像的标注，可以包括“产科超声图像的标准切面”的标注课题，或“产科超声图像的自动测量”的标注课题等。可见，针对同一类型的待标注图像同样至少包括一个标注课题，进一步的对应了至少一个标注课题的标签集合，因而，可将该类型信息对应的标注课题的所有标签集合作为上述待显示标签集合。可以理解的是，本步骤中的待显示标签集合的确定方式并不唯一，在此不做具体限定。
进一步的，本步骤中将待显示标签集合进行显示的方式并不唯一。由于待显示标签集合就是多个标签组成的集合，将待显示标签集合进行显示的过程就是将集合中的各个标签进行显示的过程。其中，可以将待显示标签集合中各个标签的标签信息直接显示在显示界面中；比如，针对“产科超声图像的标准切面”这一标注课题，可以在显示界面上显示“丘脑水平横切面”、“侧脑室水平横切面”、“小脑水平横切面”、“鼻唇冠状切面”等标签集合。需要说明的是，在显示界面上显示各标签的标签信息时，可以是将标签集合中各个标签的标签名称进行显示；当然，也可以是将待显示标签集合中各个标签的可视化特征显示在显示界面中。其中，标签的可视化特征就是将标签的视觉特征进行可视化后的特征；例如，当标签为丘脑水平横切面标签时，就可以将丘脑水平横切面的缩略图作为该标签的可视化特征进行显示。进一步的，还可以将待显示标签集合中各个标签的标签名称和对应的可视化特征同时进行显示。可见，本实施例中将待显示标签集合进行显示的方式并不唯一，在此不做具体限定。
进一步的，为了提高技术人员选择标签时的体验，使技术人员操作时的可视化程度更高，在本步骤之前还可以包括：
步骤1，通过web管理系统将多个标注课题的课题信息进行可视化显示，以便接收课题选择指令；
步骤2，根据课题选择指令确定标注课题，将标注课题对应的课题标签集合作为待显示标签集合。
可见，本可选方案中主要是对通过接收到的课题选择指令确定标签集合进行说明。本可选方案中首先通过web管理系统将多个标注课题的课题信息进行可视化显示，以便接收课题选择指令。其中，课题信息包括但不限于课题名称、课题简介、课题标签概述、可视化特征等信息内容，以便用户根据课题信息的描述或展示选择对应的标注课题。其中，本可选方案可以将多个标注课题的可视化特征进行显示，即将每个标注课题的可视化特征显示在显示界面中。当然，还可以将每个标注课题的可视化特征和上述通过文字化描述的课题信息并列显示在显示界面中。其中，标注课题的可视化特征就是将标注课题的视觉特征进行可视化后的特征。例如，当标注课题为研究产科标准切面的课题时，就可以将包含有产科标准切面的视觉特征(比如缩略图)作为可视化特征，并进行显示。可见，本实施例中将多个标注课题进行显示的方式并不唯一，在此不做具体限定。然后，根据课题选择指令确定标注课题，将标注课题对应的标签集合作为待显示标签集合。也就是，此时技术人员对显示的标注课题进行操作，向设备输入对应的课题选择指令。其中，课题选择指令的具体形式并不做限定，可以是点选指令，也可以是拖拽指令，还可以是框选指令。其中，确定的标注课题可以是一个课题也可以是多个课题。
S102，根据接收到的标签选择指令从待显示标签集合中确定目标标签；
在S101的基础上，本步骤旨在根据接收到的标签选择指令从待显示标签集合中确定目标标签。也就是，技术人员此时向设备进行操作，选定当前需要使用的标签作为目标标签，设备此时收到对应的标签选择指令。其中，标签选择指令的具体形式并不做限定，可以是点选指令，也可以是拖拽指令，还可以是框选指令。
可见，在上一步骤中将该待显示标签集合进行显示的基础上，技术人员就可以根据显示的待显示标签集合中的标签选择当前需要使用的标签。由于显示的待显示标签集合中包括至少一个标注课题对应的标签集合，且web管理系统的显示界面上可以显示多个标注课题。因此，技术人员就可以根据在显示界面上选中的一个或多个标注课题，观察到至少一个对应标注课题的标签，进而可选定对应的标签。而在现有技术中，当技术人员对至少一个标注课题进行标注时，则需要开启至少一个标注软件，并在不同的软件之间来回切换，造成了标注过程的麻烦，降低了标注效率。
因此，本实施例中技术人员可以直接通过显示的待显示标签集合查看到至少一个标注课题对应的标签，而不是在不同的软件之间来回切换，避免了软件切换的操作，提高了标注效率。
其中，根据标签选择指令确定到目标标签的过程可以参考现有技术提供的任意一种确定方式，在此不做具体限定。
S103，根据接收到的标注指令采用目标标签对待标注图像进行标注处理，得到已标注图像。
在S102的基础上，根据接收到的标注指令采用目标标签对待标注图像进行标注处理，得到已标注图像。
其中，接收到的标注指令可以是技术人员在待标注图像中进行目标选定时向设备输入的标注轨迹指令，也可以是技术人员在图像中进行目标选定时输入的坐标点信息，还可以是技术人员在图像中进行目标选定时输入的框选指令。可见，本步骤中输入标注指令的方式并不唯一在此不做具体限定。当技术人员根据标注指令完成标注处理，则会在目标标签和所标注的数据或结果之间建立起对应关系；从而，可以利用这种对应关系来进行后续的AI训练。举例来说，在“产科超声图像的标准切面”这一标注课题中，针对某一张产科超声原始图像进行标注时，技术人员可以根据该产科超声原始图像的形态，选择相应的标签，比如丘脑水平横切面，之后技术人员可在该产科超声图像上的胎儿部位进行框选标注，同时还可在上面标注文字“丘脑水平横切面”，由此，该产科原始超声图像的目标标签便可与所标注的数据或结果建立对应关系或绑定关系。
可见，根据技术人员在图像中进行目标选定的操作时的操作方式的不同，可以向设备输入不同形式的标注指令。在实际操作过程中，技术人员可以选择合适的操作方式进行目标选定的操作，在此不做具体限定。
本步骤中，为了在图像进行标注的过程中，提高图像标注的完整性和信息的完全性，在标注过程中添加对应的标签属性。
相应的，在显示待显示标签集合时，显示待显示标签集合中每个标签对应的标签属性；其中，标签属性至少包括单选属性、多选属性以及填值属性中的一种或多种。因此，当技术人员完成标注处理，则同样可针对该产科超声图像建立起目标标签、目标标签的标签属性以及所标注的数据或结果之间的对应关系或绑定关系，进而也可以利用这种对应信息来进行后续的AI训练。
在显示待显示标签集合中每个标签对应的标签属性的基础上，相应的，本实施例中的S103可以包括：
根据接收到的标注指令，采用目标标签并设置目标标签的标签属性，对待标注图像进行标注处理，得到已标注图像。
可见，本可选方案主要是说明如何设置到对应的标签属性。其中，可以设置的标签属性包括单选属性、多选属性以及填值属性。其中，单选属性是指在多个选项属性中选择一个属性为做该标签属性。多选属性是指在多个选项属性中选择多个属性作为该标签属性。填值属性是指填入对应的属性值作为属性。同样以上面标注课题为“产科超声图像的标准切面”、目标标签为“丘脑水平横切面”进行举例，技术人员在选择目标标签“丘脑水平横切面”时，还可选择该目标标签的标签属性“标准切面”或“非标准切面”，由此，所选择的目标标签及其标签属性与技术人员所标注的数据或结果之间便可建立起对应或绑定关系，以便于后续的AI训练。又以标注课题“产科超声图像的自动测量”为例，当技术人员需要针对另一张产科超声原始图像进行标注时，技术人员在选择了该标注课题可以进一步选择该标注课题的标签，比如“丘脑-颅脑轮廓线”或“四腔心-胸腔轮廓线”，接着技术人员可以根据该产科超声原始图像选择其中对应的一个标签属性，比如“孕周：28周”，则当技术人员利用标注工具在产科原始超声图像上完成相应轮廓线的标注时，Web管理系统便可以针对该产科超声原始图像的目标标签、标签属性以及所标注的数据或结果之间建立绑定关系或对应关系。
综上，本实施例通过先将待显示标签集合进行显示，然后确定出目标标签，最后采用该目标标签对待标注图像进行标注处理，实现图像标注，由于其中的待显示标签集合包括至少一个标注课题对应的标签集合，以便使技术人员观察到不同标注课题对应的用于标注的多个标签，而不是通过切换不同的软件加载到不同标注课题对应的多个标签，避免了使用不同标注课题时在不同的软件之间切换的操作，提高了针对不同标注课题对超声图像进行标注的效率。
需要指出的是，本实施例的图像标注方法可以应用于web管理系统。在该图像标注方法中使用的数据均可存储于该web管理系统的数据库中，以便方便获取并使用。
以上实施例说明了本实施例在实际操作过程中，如何直接从不同的标签中确定到使用的标签，而不是切换软件，提高了标注的效率。以下通过另一实施例，对本申请提供的图像标注方法中如何进行标注课题及标签配置进行说明。
一种实施例中，该课题配置流程可以包括：
步骤1，web管理系统接收到多个课题信息和多个标签的标签信息；
步骤2，根据接收到的绑定指令将课题信息和对应的标签信息进行绑定，得到多个标注课题。
可见，本实施例中web管理系统首先接收到所有的课题信息和所有标签的标签信息，将该课题信息和标签的标签信息通过web管理系统的数据库进行存储。其中，数据库不仅存储标签的标签信息还存储有标签属性。而绑定指令是指将课题信息和对应的标签信息进行绑定的指令信息。
在另一种实施例中，该课题配置流程可以包括：
步骤1，获取多个软件标注历史图像；
步骤2，对软件标注历史图像进行课题分析和标签分析，得到多个课题信息和对应的标签信息；
步骤3，对所有课题信息和所有标签信息均进行去重处理，得到多个待绑定课题信息和多个待绑定标签信息；
步骤4，将待绑定课题信息与对应的待绑定标签信息建立对应关系，得到多个标注课题。
可见，本实施例中主要是web管理系统获取到多个软件标注历史图像，从多个软件标注历史图像中分析出对应的课题信息和每个课题信息对应的标签信息，进行去重处理后，建立意义对应的对应关系得到多个标注课题。实现自动从软件标注历史图像中获取到标注课题而不是手动输入，提高了获取标注课题的效率。
请参考图2，图2为本申请实施例所提供的图像标注方法的课题配置过程的流程图。
另一本实施例中，该课题配置流程可以包括：
S201，根据接收到的课题信息生成对应的标注课题；
可见，本步骤旨在根据接收到的课题信息生成对应的标注课题。其中，课题信息就是关于标注研究方向的信息，可以包括课题名称、标注类型、标签数量、可视化特征等信息。设备接收到的课题信息就可以根据该课题信息分析后生成对应的标注课题。
其中，课题信息可以是技术人员向设备直接输入的课题信息。例如，技术人员建立数据库，将标注课题需要的课题信息直接保存在数据库中，以便得到对应的标注课题。可见，此处通过技术人员直接向设备输入信息的方式，使其可以生成对应的标注课题。可以提高生成标注课题的自主性和可配置性，技术人员可以随时添加对应的标注课题。
也可以通过对超声操作标准数据进行分析，确定在某一应用场景下使用的各个超声研究课题，并得到对应的课题信息。例如，在超声操作标准数据中记录了什么是产科标准切面检查，以及该检查的信息，和需要检查的切面是什么，这些信息记录了具体的操作信息。将操作信息投影在具体的超声图像时，就是对超声图像进行何种的操作识别。进一步的，该操作识别相当于是人工智能模型识别，因此，就可以确定标注课题采用的课题信息是什么。可见，可以实现自动生成对应的课题信息，进一步的提高了生成标注课题的效率。
S202，通过web管理系统将完整标签集合的所有标签信息进行显示；
在S201的基础上，本步骤旨在通过web管理系统将完整标签集合的所有标签信息进行显示。以便技术人员可以通过显示标签，对标签进行对应的选择。其中，完整标签集合是指web管理系统中存储的所有标签的集合。
其中，可以将完整标签集合中各个标签的标签信息直接显示在显示界面中，标签的标签信息可以包括标签名称、标签简介、各个标签的可视化特征等，即可将标签名称或标签的可视化特征等显示在显示界面中。其中，标签的可视化特征就是将标签的视觉特征进行可视化后的特征。例如，当标签为丘脑水平横切面标签时，就可以将丘脑水平横切面的缩略图作为可视化特征。进一步的，还可以将完整标签集合中各个标签的标签名称、标签简介及其对应的可视化特征同时进行显示。可见，本实施例中将完整标签集合进行显示的方式并不唯一，在此不做具体限定。
其中，完整标签集合中的标签可以是技术人员输入的标签数据，也可以是从软件标注历史图像中进行分析得到的标签数据。可见，本可选方案中如何获取到完整标签集合的方式并不唯一，在此不做具体限定。
进一步的，本实施例中为了提高单独配置标签的效率，提高本实施例中配置操作的效率，还可以包括：
步骤1，对多个软件标注历史图像进行标签分析，得到每个软件标注历史图像对应的标签；
步骤2，对所有标签进行去重处理，得到完整标签集合。
可见，本可选方案中主要是对如何得到完整标签集合进行说明。本可选方案中首先对多个软件标注历史图像进行标签分析，得到每个软件标注历史图像对应的标签。也就是，对软件标注历史图像已有的标签进行分析，以便确定是何种标签。可以采用人工智能模型进行识别，在此不做具体限定。然后，对所有标签进行去重处理，得到完整标签集合。其中，软件标注历史图像是在原来标注软件中进行标注后得到的图像。
S203，根据接收到的标签添加指令将完整标签集合中对应的标签添加至标注课题中。
在S202的基础上，本步骤旨在根据接收到的标签添加指令将完整标签集合中对应的标签添加至标注课题中。
其中，标签添加指令可以是点选指令，也可以是拖拽指令，还可以是框选指令。当标签添加指令是点选指令时，技术人员通过在界面中进行点选的方式向设备发送标签添加指令。当标签添加指令是拖拽指令时，技术人员通过在界面中进行拖拽的方式向设备发送标签添加指令。当标签添加指令是框选指令时，技术人员通过在界面中进行框选的方式向设备发送标签添加指令。可见，本步骤中输入标签添加指令的方式并不唯一，在此不做具体限定。
以上方式主要是通过技术人员操作的方式获取到标签添加指令。进一步的，为了提高将标签加入到对应的标注课题中的效率，本步骤中的标签添加指令还可以是根据历史数据自动生成，具体可以参考以下可选方案。
进一步的，为了提高本实施例中配置标注课题的效率，提高本实施例的自动化程度，本实施例还可以包括：
步骤1，获取多个软件标注历史图像，并从软件标注历史图像中获取对应的标注软件信息；
步骤2，对标注软件信息进行软件功能分析，得到对应的课题信息；
步骤3，对软件标注历史图像进行标签分析，得到对应的标签信息；
步骤4，将课题信息与标签信息建立对应关系；
步骤5，根据对应关系生成标签添加指令。
可见，本可选方案中主要是对如何获取到标签添加指令进行说明。本实施例主要是通过标注的历史数据确定对应的标签添加指令。其中，标签添加指令在本实施例中主要是指标签与标注课题之间的关系。本实施例中，首先获取多个软件标注历史图像，并从中获取对应的原标注软件信息；然后，对标注软件信息进行软件功能分析，得到对应的课题信息，此外，对软件标注历史图像进行标签分析，得到对应的标签信息；接着，将课题信息与标签信息建立对应关系；最后，根据对应关系生成标签添加指令。很显然，本可选方案中通过对软件标注历史图像的分析确定了标签与课题信息之间的关系，即确定了标注课题与标签之间的关系，进一步就确定了该标签该添加至哪一个标注课题中，以便生成对应的标签添加指令。进一步的实现了自动将标签添加至对应的标注课题中，以便提高配置的效率。
可见，本实施例主要是通过先生成对应的标注课题，然后将所有的标签进行显示以便将对应的标签添加至对应的标注课题中，实现了技术人员可以通过可视化的方式配置出标注过程需要使用的多个标注课题，提高了标注的效率。
下面对本申请实施例提供的图像标注装置进行介绍，下文描述的图像标注装置与上文描述的图像标注方法可相互对应参照。
请参考图3，图3为本申请实施例所提供的一种图像标注装置的结构示意图。
本实施例中，该装置可以包括：
标签显示模块100，用于将待显示标签集合进行显示；
目标标签确定模块200，用于根据接收到的标签选择指令从待显示标签集合中确定目标标签；
标注处理模块300，用于根据接收到的标注指令采用目标标签对待标注图像进行标注处理，得到已标注图像。
可选的，该装置还可以包括：
标签集合确定模块，用于通过web管理系统将多个标注课题的课题信息进行可视化显示，以便接收课题选择指令；根据课题选择指令确定标注课题，将标注课题对应的标签集合作为待显示标签集合。
可选的，该装置还可以包括：
标签绑定模块，用于通过web管理系统接收多个课题信息和多个标签的标签信息；根据接收到的绑定指令将课题信息和对应的标签信息进行绑定，得到多个标注课题。
可选的，该装置还可以包括：
第一标注关系绑定模块，用于当完成标注处理时，将已标注图像的标注内容、标注课题以及目标标签建立对应关系，以便根据已标注图像及对应关系进行深度学习训练。
可选的，该装置还可以包括：
标注课题配置模块，用于根据接收到的课题信息生成对应的标注课题；通过web管理系统将完整标签集合的所有标签信息进行显示；根据接收到的标签添加指令将完整标签集合中对应的标签信息添加至标注课题中。
可选的，标签信息包括标签的可视化特征。
可选的，该装置还可以包括：
完整标签集合生成模块，用于对多个软件标注历史图像进行标签分析，得到每个软件标注历史图像对应的标签信息；对所有标签信息进行去重处理，得到完整标签集合。
可选的，该装置还可以包括：
历史图像分析模块，用于获取多个软件标注历史图像；对软件标注历史图像进行课题分析和标签分析，得到多个课题信息和对应的标签信息；对所有课题信息和所有标签信息均进行去重处理，得到多个待绑定课题信息和多个待绑定标签信息；将待绑定课题信息与对应的待绑定标签信息建立对应关系，得到多个标注课题。
可选的，该装置还可以包括：
标签属性显示模块，用于当将待显示标签集合进行显示时，显示待显示标签集合中每个标签对应的标签属性；其中，标签属性至少包括单选属性、多选属性以及填值属性中的一种或多种；
相应的，该标注处理模块300具体用于根据接收到的标注指令，采用目标标签并设置目标标签的标签属性，对待标注图像进行标注处理，得到已标注图像。
可选的，该装置还可以包括：
第二标注关系绑定模块，用于当完成标注处理时，将已标注图像的标注内容、标签属性、标注课题以及目标标签建立对应关系，以便根据已标注图像及对应关系进行深度学习训练。
请参考图4，图4为本申请实施例所提供的一种服务器的结构示意图。
本申请实施例还提供一种服务器，包括：
存储器11，用于存储计算机程序；
处理器12，用于执行所述计算机程序时实现如以上实施例所述的图像标注方法的步骤。
本申请实施例还提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如以上实施例所述的图像标注方法的步骤。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的一种图像标注方法、图像标注装置、服务器以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (13)
1.一种图像标注方法，其特征在于，包括：
将待显示标签集合进行显示；其中，所述待显示标签集合包括至少一个标注课题对应的标签集合；
根据接收到的标签选择指令从所述待显示标签集合中确定目标标签；
根据接收到的标注指令采用所述目标标签对待标注图像进行标注处理，得到已标注图像。
2.根据权利要求1所述的图像标注方法，其特征在于，还包括：
通过web管理系统将多个标注课题的课题信息进行可视化显示，以便接收课题选择指令；
根据所述课题选择指令确定标注课题，将所述标注课题对应的标签集合作为所述待显示标签集合。
3.根据权利要求2所述的图像标注方法，其特征在于，在所述通过web管理系统将多个标注课题的课题信息进行可视化显示的步骤之前，还包括：
通过所述web管理系统接收多个课题信息和多个标签的标签信息；
根据接收到的绑定指令将所述课题信息和对应的标签信息进行绑定，得到多个标注课题。
4.根据权利要求1所述的图像标注方法，其特征在于，还包括：
当完成标注处理时，将所述已标注图像的标注内容、标注课题以及目标标签建立对应关系，以便根据所述已标注图像及所述对应关系进行深度学习训练。
5.根据权利要求1所述的图像标注方法，其特征在于，在所述将待显示标签集合进行显示的步骤之前，还包括：
根据接收到的课题信息生成对应的标注课题；
通过web管理系统将完整标签集合的所有标签信息进行显示；
根据接收到的标签添加指令将所述完整标签集合中对应的标签信息添加至所述标注课题中。
6.根据权利要求5所述的图像标注方法，其特征在于，所述标签信息包括标签的可视化特征。
7.根据权利要求5所述的图像标注方法，其特征在于，还包括：
对多个软件标注历史图像进行标签分析，得到每个软件标注历史图像对应的标签信息；
对所有所述标签信息进行去重处理，得到所述完整标签集合。
8.根据权利要求1所述的图像标注方法，其特征在于，还包括：
获取多个软件标注历史图像；
对所述软件标注历史图像进行课题分析和标签分析，得到多个课题信息和对应的标签信息；
对所有所述课题信息和所有所述标签信息均进行去重处理，得到多个待绑定课题信息和多个待绑定标签信息；
将所述待绑定课题信息与对应的所述待绑定标签信息建立对应关系，得到多个所述标注课题。
9.根据权利要求1所述的图像标注方法，其特征在于，还包括：
当将待显示标签集合进行显示时，显示所述待显示标签集合中每个标签对应的标签属性；其中，所述标签属性至少包括单选属性、多选属性以及填值属性中的一种或多种；
相应的，根据接收到的标注指令采用所述目标标签对待标注图像进行标注处理，得到已标注图像，包括：
根据接收到的标注指令，采用所述目标标签并设置所述目标标签的标签属性，对所述待标注图像进行标注处理，得到所述已标注图像。
10.根据权利要求9所述的图像标注方法，其特征在于，还包括：
当完成标注处理时，将所述已标注图像的标注内容、标签属性、标注课题以及目标标签建立对应关系，以便根据所述已标注图像及所述对应关系进行深度学习训练。
11.一种图像标注装置，其特征在于，包括：
标签显示模块，用于将待显示标签集合进行显示；
目标标签确定模块，用于根据接收到的标签选择指令从所述待显示标签集合中确定目标标签；
标注处理模块，用于根据接收到的标注指令采用所述目标标签对待标注图像进行标注处理，得到已标注图像。
12.一种服务器，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至10任一项所述的图像标注方法的步骤。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至10任一项所述的图像标注方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011539941.4A CN112667834A (zh) | 2020-12-23 | 2020-12-23 | 一种图像标注方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011539941.4A CN112667834A (zh) | 2020-12-23 | 2020-12-23 | 一种图像标注方法及相关装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112667834A true CN112667834A (zh) | 2021-04-16 |
Family
ID=75408730
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011539941.4A Pending CN112667834A (zh) | 2020-12-23 | 2020-12-23 | 一种图像标注方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112667834A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113377478A (zh) * | 2021-06-24 | 2021-09-10 | 上海商汤科技开发有限公司 | 文娱行业数据标注方法、装置、存储介质及设备 |
| 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 |
| CN113392295A (zh) * | 2021-06-24 | 2021-09-14 | 上海商汤科技开发有限公司 | 数据标注方法、平台、电子设备和计算机存储介质 |
| CN114496142A (zh) * | 2021-12-31 | 2022-05-13 | 上海艾莎医学科技有限公司 | 图片打标分配方法、装置、系统及存储介质 |
| WO2023092726A1 (zh) * | 2021-11-25 | 2023-06-01 | 中国科学院深圳先进技术研究院 | 一种数据标注系统、方法、终端以及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106776939A (zh) * | 2016-12-01 | 2017-05-31 | 山东师范大学 | 一种图像无损标注方法及系统 |
| CN110264443A (zh) * | 2019-05-20 | 2019-09-20 | 平安科技（深圳）有限公司 | 基于特征可视化的眼底图像病变标注方法、装置及介质 |
| CN110569330A (zh) * | 2019-07-18 | 2019-12-13 | 华瑞新智科技（北京）有限公司 | 一种基于智能选词的文本标注系统及装置、设备、介质 |
| CN110851607A (zh) * | 2019-11-19 | 2020-02-28 | 中国银行股份有限公司 | 资讯分类模型的训练方法及装置 |
| CN111143724A (zh) * | 2019-12-30 | 2020-05-12 | 广州市百果园网络科技有限公司 | 一种数据处理方法、装置、设备及介质 |
| CN111417958A (zh) * | 2017-12-07 | 2020-07-14 | 文塔纳医疗系统公司 | 用于生物图像中的联合细胞和区域分类的深度学习系统和方法 |
| CN111912967A (zh) * | 2020-08-13 | 2020-11-10 | 蚌埠中光电科技有限公司 | 一种大尺寸玻璃基板的归类与标识方法 |
-
2020
- 2020-12-23 CN CN202011539941.4A patent/CN112667834A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106776939A (zh) * | 2016-12-01 | 2017-05-31 | 山东师范大学 | 一种图像无损标注方法及系统 |
| CN111417958A (zh) * | 2017-12-07 | 2020-07-14 | 文塔纳医疗系统公司 | 用于生物图像中的联合细胞和区域分类的深度学习系统和方法 |
| CN110264443A (zh) * | 2019-05-20 | 2019-09-20 | 平安科技（深圳）有限公司 | 基于特征可视化的眼底图像病变标注方法、装置及介质 |
| CN110569330A (zh) * | 2019-07-18 | 2019-12-13 | 华瑞新智科技（北京）有限公司 | 一种基于智能选词的文本标注系统及装置、设备、介质 |
| CN110851607A (zh) * | 2019-11-19 | 2020-02-28 | 中国银行股份有限公司 | 资讯分类模型的训练方法及装置 |
| CN111143724A (zh) * | 2019-12-30 | 2020-05-12 | 广州市百果园网络科技有限公司 | 一种数据处理方法、装置、设备及介质 |
| CN111912967A (zh) * | 2020-08-13 | 2020-11-10 | 蚌埠中光电科技有限公司 | 一种大尺寸玻璃基板的归类与标识方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113377478A (zh) * | 2021-06-24 | 2021-09-10 | 上海商汤科技开发有限公司 | 文娱行业数据标注方法、装置、存储介质及设备 |
| 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 |
| CN113392295A (zh) * | 2021-06-24 | 2021-09-14 | 上海商汤科技开发有限公司 | 数据标注方法、平台、电子设备和计算机存储介质 |
| CN113377478B (zh) * | 2021-06-24 | 2024-04-02 | 上海商汤科技开发有限公司 | 文娱行业数据标注方法、装置、存储介质及设备 |
| WO2023092726A1 (zh) * | 2021-11-25 | 2023-06-01 | 中国科学院深圳先进技术研究院 | 一种数据标注系统、方法、终端以及存储介质 |
| CN114496142A (zh) * | 2021-12-31 | 2022-05-13 | 上海艾莎医学科技有限公司 | 图片打标分配方法、装置、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112667834A (zh) | 一种图像标注方法及相关装置 | |
| US11901065B2 (en) | Surgery evaluation using machine-learning-based surgical video analysis | |
| US6819785B1 (en) | Image reporting method and system | |
| US7899684B2 (en) | Medical report creating apparatus, medical report referencing apparatus, medical report creating method, and medical report creation program recording medium | |
| CN111401008B (zh) | 文档审核系统、文档审核的方法及装置 | |
| JP2005510326A (ja) | 画像レポート作成方法及びそのシステム | |
| CN112309215A (zh) | 一种临床医学内科教学用演示系统及其控制方法 | |
| CN112151155A (zh) | 基于人工智能的超声影像智能培训方法、系统及应用系统 | |
| CN112381087B (zh) | 结合rpa和ai的图像识别方法、装置、计算机设备和介质 | |
| US20070092857A1 (en) | Method and apparatus for supporting training, and computer product | |
| CN113807066A (zh) | 一种图表生成方法、装置及电子设备 | |
| CN111679808A (zh) | Rpa机器人应用需求测评方法及装置 | |
| US20070198535A1 (en) | Training system and method(s) of its use | |
| CN111401831A (zh) | 任务进度展示方法、装置、设备及可读存储介质 | |
| WO2023205296A1 (en) | In-situ cad models and multimodal content | |
| Trabucco et al. | ANIMO: annotation of biomed image modalities | |
| US20220044792A1 (en) | System and method to provide tailored educational support based on device usage in a healthcare setting | |
| CN114443838A (zh) | 画像构建方法、装置、服务器及存储介质 | |
| CN113793677A (zh) | 一种电子病历管理方法、装置、存储介质及电子设备 | |
| DE102004033991A1 (de) | Verfahren zur Optimierung von Prozeduren in der radiologischen Diagnostik | |
| CN113821144B (zh) | 一种数据标注方法、装置、系统和介质 | |
| JP2006260171A (ja) | ワークフロー表示装置、ワークフロー表示方法、ワークフロー表示プログラム | |
| KR20120067726A (ko) | Ｉｗｏｄ를 사용한 프로세스 맵 설계 장치 및 방법 | |
| EP1455305B1 (en) | Method for providing quantitative data and images for use in pathology analysis | |
| Karupakula | Detecting Examination Events to Reduce Variability in Medical Image Acquisition Workflows in Radiology |
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 |