CN112950100B - 图像数据标记人员的考勤统计方法、装置及相关设备 - Google Patents
图像数据标记人员的考勤统计方法、装置及相关设备 Download PDFInfo
- Publication number
- CN112950100B CN112950100B CN202110515247.7A CN202110515247A CN112950100B CN 112950100 B CN112950100 B CN 112950100B CN 202110515247 A CN202110515247 A CN 202110515247A CN 112950100 B CN112950100 B CN 112950100B
- Authority
- CN
- China
- Prior art keywords
- format
- image data
- original label
- file
- original
- 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
- 239000003550 marker Substances 0.000 title claims abstract description 54
- 238000007619 statistical method Methods 0.000 title claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 48
- 238000012986 modification Methods 0.000 claims abstract description 38
- 230000004048 modification Effects 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims description 26
- 238000012550 audit Methods 0.000 claims description 24
- 238000007781 pre-processing Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000012552 review Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 230000010365 information processing Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000004075 alteration Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/10—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people together with the recording, indicating or registering of other data, e.g. of signs of identity
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及信息处理技术领域，提供了一种图像数据标记人员的考勤统计方法，包括：获取图像数据标记人员处理的图像数据的所有原始标签文件；遍历所有原始标签文件，提取每一原始标签文件的最后修改时间，将最晚的最后修改时间与最早的最后修改时间的间隔时长作为图像数据标记人员的工作时间；采用批处理算法统计原始标签文件中包含的标记图片数、标记目标数以及标错数，并将统计结果作为图像数据标记人员的工作量；将工作时间和/或工作量作为图像数据标记人员的考勤数据，并根据考勤数据对图像数据标记人员进行绩效评定。本发明可有效的、准确的统计图像数据标记人员的工作量和工作时间，进而提高了考勤数据的准确率。
Description
技术领域
本发明涉及信息处理技术领域，尤其涉及一种图像数据标记人员的考勤统计方法、装置及相关设备。
背景技术
随着深度学习技术的发展，人工智能领域包括图像识别、图像分类、模式识别等领域飞速发展。这些领域的应用，如自动驾驶、人脸识别、目标检测等应用，需要海量数据用来训练，没有标注过的数据对算法来说毫无价值，因此需要众多的数据标记人员对海量的数据进行标记，而面对众多的数据标记人员，如何有效的、准确的统计考勤、绩效考核和管理是非常重要的。
然而，数据标记人员面对不同类型的数据需要使用不同的标记方法进行标记，从而会形成不同格式的标签，并且不同的标记方法的所耗时长也是具有差异性的。而传统的考勤方法只具备单一标签格式的统计规则，面对不同格式的标签，传统的考勤方法已无法有效的、准确的统计数据标记人员的考勤和绩效。
因此，实有必要提供一种新的图像数据标记人员的考勤统计方法、装置及相关设备解决上述技术问题。
发明内容
鉴于以上内容，有必要提供一种图像数据标记人员的考勤统计方法、装置及相关设备，旨在有效的、准确的统计图像数据标记人员的工作量和工时间，进而提高了考勤数据的准确率。
为实现上述目的，本发明提出一种图像数据标记人员的考勤统计方法，应用于电子设备，该方法包括如下步骤：
获取图像数据标记人员处理的图像数据的所有原始标签文件；
遍历所有所述原始标签文件，提取每一所述原始标签文件的最后修改时间，将最晚的所述最后修改时间与最早的所述最后修改时间的间隔时长作为所述图像数据标记人员的工作时间；
采用批处理算法统计所述原始标签文件中包含的标记图片数、标记目标数以及标错数，并将统计结果作为所述图像数据标记人员的工作量；
将所述工作时间和/或所述工作量作为所述图像数据标记人员的考勤数据，并根据所述考勤数据对所述图像数据标记人员进行绩效评定。
优选的，所述原始标签文件的格式包括YOLO格式，所述批处理算法包括第一预设算法，所述第一预设算法统计所述YOLO格式的原始标签文件中包含的标记图片数、标记目标数以及标错数，包括如下步骤：
遍历所有所述YOLO格式的原始标签文件，并对每一所述YOLO格式的原始标签文件进行预处理，以去除无效的所述YOLO格式的原始标签文件和/或所述YOLO格式的原始标签文件中的无效标签信息；
将保留的所述YOLO格式的原始标签文件计入所述标记图片数；
统计预处理后的每一所述YOLO格式的原始标签文件中标签信息的行数，并将该行数计入所述标记目标数；
对预处理后的每一所述YOLO格式的原始标签文件进行审核，得出YOLO格式的审核标签文件，将预处理后的每一所述YOLO格式的原始标签文件与所述YOLO格式的审核标签文件进行对比，统计出两者不一致的标签信息的个数，并将该个数计入所述标错数。
优选的，所述原始标签文件的格式包括VOC格式，所述批处理算法包括第二预设算法，所述第二预设算法统计所述VOC格式的原始标签文件中包含的标记图片数、标记目标数以及标错数，包括如下步骤：
遍历所有所述VOC格式的原始标签文件，并对每一所述VOC格式的原始标签文件进行预处理，以去除无效的所述VOC格式的原始标签文件和/或所述VOC格式的原始标签文件中的无效标签信息；
将保留的所述VOC格式的原始标签文件计入所述标记图片数；
统计预处理后的每一所述VOC格式的原始标签文件中<object>属性的个数，并将该个数计入所述标记目标数；
对预处理后的每一所述VOC格式的原始标签文件进行审核，得出VOC格式的审核标签文件，将预处理后的每一所述VOC格式的原始标签文件与所述VOC格式的审核标签文件进行对比，统计出两者不一致的<object>属性的个数，并将该个数计入所述标错数。
优选的，所述原始标签文件的格式包括COCO格式，所述批处理算法包括第三预设算法，所述第三预设算法统计所述COCO格式的原始标签文件中包含的标记图片数、标记目标数以及标错数，包括如下步骤：
遍历所有所述COCO格式的原始标签文件，并对每一所述COCO格式的原始标签文件进行预处理，以去除无效的所述COCO格式的原始标签文件和/或所述COCO格式的原始标签文件中的无效标签信息；
提取预处理后的每一所述COCO格式的原始标签文件中的"annotations"属性，遍历所述"annotations"属性下的所有内容，并将所述"annotations"属性下的每条内容计入所述标记目标数；
新建一个空的列表和一个变量n，并将所述"annotations"属性下的所有内容写入所述列表中，并判断所述"annotations"属性下的二级属性"image_id"的内容是否存在于所述列表中，若不存在，则n=n+1，直至遍历所述"annotations"属性下所有内容，最后的n的值计入所述标记图片数；
对预处理后的每一所述COCO格式的原始标签文件进行审核，得出COCO格式的审核标签文件；将预处理后的每一所述COCO格式的原始标签文件与所述COCO格式的审核标签文件的进行对比，统计出两者"annotations"属性下不一致的内容条数，并将该条数计入所述标错数。
优选的，所述批处理算法的编程语言为Python、C++、C以及Java语言中的任意一种。
本发明还提供一种图像数据标记人员的考勤统计装置，该装置包括：
获取模块：用于获取图像数据标记人员处理的图像数据的所有原始标签文件；
处理模块：用于遍历所有所述原始标签文件，提取每一所述原始标签文件的最后修改时间，将最晚的所述最后修改时间与最早的所述最后修改时间的间隔时长作为所述图像数据标记人员的工作时间；
统计模块：用于采用批处理算法统计所述原始标签文件中包含的标记图片数、标记目标数以及标错数，并将统计结果作为所述图像数据标记人员的工作量；
评审模块：用于将所述工作时间和/或所述工作量作为所述图像数据标记人员的考勤数据，并根据所述考勤数据对所述图像数据标记人员进行绩效评定。
本发明还提供一种电子设备，所述电子设备包括：处理器和与所述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处理器执行的图像数据标记人员的考勤统计程序，所述处理器执行所述图像数据标记人员的考勤统计程序时实现如上述的图像数据标记人员的考勤统计方法的步骤。
此外，本发明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图像数据标记人员的考勤统计程序，所述图像数据标记人员的考勤统计程序可被处理器执行，以实现如上述的图像数据标记人员的考勤统计方法的步骤。
相较现有技术，本发明所提出的图像数据标记人员的考勤统计方法、装置及相关设备，遍历所有所述原始标签文件，提取每一所述原始标签文件的最后修改时间，将最晚的所述最后修改时间与最早的所述最后修改时间的间隔时长作为所述图像数据标记人员的工作时间；采用批处理算法统计所述原始标签文件中包含的标记图片数、标记目标数以及标错数，并将统计结果作为所述图像数据标记人员的工作量；将所述工作时间和/或所述工作量作为所述图像数据标记人员的考勤数据，并根据所述考勤数据对所述图像数据标记人员进行绩效评定。该方法有效的、准确的统计图像数据标记人员的工作量和工作时间，进而提高了考勤数据的准确率。
附图说明
图1为本发明图像数据标记人员的考勤统计方法的流程示意图；
图2为本发明图像数据标记人员的考勤统计装置的模块示意图；
图3为本发明电子设备一可选的硬件架构的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，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，都属于本发明保护的范围。
需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
本申请实施例提供的图像数据标记人员的考勤统计方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述图像数据标记人员的考勤统计方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参阅图1所示，是本发明图像数据标记人员的考勤统计方法的流程示意图，该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。
在本实施例中，一种图像数据标记人员的考勤统计方法包括以下步骤：
步骤S10：获取图像数据标记人员处理的图像数据的所有原始标签文件。
具体的，所述图像数据标记人员标记每一图像数据都会形成一个标签文件，当图像数据标记人员面对不同类型的图像数据会采用不同的标记方式进行标记，因而会形成不同格式的标签文件。在本实施例中，所述原始标签文件的格式包括YOLO格式、VOC格式以及COCO格式。
具体的，所述YOLO格式为txt文件格式，单个YOLO格式的原始标签文件对应单个图片，一个YOLO格式的原始标签文件涵盖其对应图片中所有的目标框信息，YOLO格式的原始标签文件与图片名一致，且一个目标框标记为一行。所述YOLO格式的标记为【Class X_center Y_center Width Height】即【类别中心点坐标x 中心点坐标y 宽高】；其中，Class从【0】开始，至【总类别数-1】结束；坐标原点为图片左上角，四位坐标相关数字均为归一化后的数字，即0~1间的数字，为点坐标在图上的相对位置，浮点型，保留六位或者八位小数都可以，例如一张图片宽1920，高1080；目标标记框的类别为第一个类别(即0)，目标框的中心点的坐标为(1101，995)，宽100像素，长50像素，那x_center即1101/1920，y_center为995/1080则YOLO格式的标记为【0 0.573437500 0.921296296 0.052083333 0.046296296】。
进一步的，所述VOC格式为xml文件格式，单个VOC格式的原始标签文件对应单张图片；VOC格式的原始标签文件与图片名一致，每个VOC格式的原始标签文件涵盖其对应图片中所有的目标框信息。且所述VOC格式的原始标签文件，属性嵌套，所有属性都是前后对应的，例如前面有一个<annotation>作为开始，那后面必有</annotation>作为结束。VOC格式的原始标签文件中必要的属性有<filename>，<size>，<object>。
更近一步的，所述COCO格式为json文件格式，单个COCO格式的原始标签文件对应整个图像数据集的所有图片。所述COCO格式的原始标签文件，属性嵌套，第一层包含如下几个属性“info”，“licenses”，“categories”，“images”，“annotations”，对于不同的标记任务，如目标检测、目标追踪、属性标记、全景分割等，只有“annotations”下的属性会变化，其他属性均无大的变化。
步骤S20：遍历所有所述原始标签文件，提取每一所述原始标签文件的最后修改时间，将最晚的所述最后修改时间与最早的所述最后修改时间的间隔时长作为所述图像数据标记人员的工作时间。
在本实施例中，所述图像数据标记人员的工作时间T=T1-T2，其中，T1为所述原始标签文件最后修改的最晚的时间，T2为所述原始标签文件最后修改的最早的时间。
步骤S30：采用批处理算法统计所述原始标签文件中包含的标记图片数、标记目标数以及标错数，并将统计结果作为所述图像数据标记人员的工作量。
本实施例中，标记一个图片对应一个标记图片数，将图片中的目标图像作为标签信息，所述标签信息为目标框，一个目标框对应一个标记目标数。
在本实施例中，所述批处理算法的编程语言为Python、C++、C以及Java语言中的任意一种。
更优的，所述批处理算法包括第一预设算法、第二预设算法以及第三预设算法，分别用于统计所述YOLO格式的原始标签文件、所述VOC格式的原始标签文件及所述COCO格式的原始标签文件中包含的标记图片数、标记目标数以及标错数。
具体的，所述第一预设算法统计所述YOLO格式的原始标签文件中包含的标记图片数、标记目标数以及标错数，包括如下步骤：遍历所有所述YOLO格式的原始标签文件，并对每一所述YOLO格式的原始标签文件进行预处理，以去除无效的所述YOLO格式的原始标签文件和/或所述YOLO格式的原始标签文件中的无效标签信息；将保留的所述YOLO格式的原始标签文件计入所述标记图片数；统计预处理后的每一所述YOLO格式的原始标签文件中标签信息的行数，并将该行数计入所述标记目标数；对预处理后的每一所述YOLO格式的原始标签文件进行审核，得出YOLO格式的审核标签文件；将预处理后的每一所述YOLO格式的原始标签文件与所述YOLO格式的审核标签文件进行对比，统计出两者不一致的标签信息的个数，并将该个数计入所述标错数。
所述第二预设算法统计所述VOC格式的原始标签文件中包含的标记图片数、标记目标数以及标错数，包括如下步骤：遍历所有所述VOC格式的原始标签文件，并对每一所述VOC格式的原始标签文件进行预处理，以去除无效的所述VOC格式的原始标签文件和/或所述VOC格式的原始标签文件中的无效标签信息；将保留的所述VOC格式的原始标签文件计入所述标记图片数；统计预处理后的每一所述VOC格式的原始标签文件中<object>属性的个数，并将该个数计入所述标记目标数；对预处理后的每一所述VOC格式的原始标签文件进行审核，得出VOC格式的审核标签文件；将预处理后的每一所述VOC格式的原始标签文件与所述VOC格式的审核标签文件进行对比，统计出两者不一致的<object>属性的个数，并将该个数计入所述标错数；
所述第三预设算法统计所述COCO格式的原始标签文件中包含的标记图片数、标记目标数以及标错数，包括如下步骤：遍历所有所述COCO格式的原始标签文件，并对每一所述COCO格式的原始标签文件进行预处理，以去除无效的所述COCO格式的原始标签文件和/或所述COCO格式的原始标签文件中的无效标签信息；提取预处理后的每一所述COCO格式的原始标签文件中"annotations"属性；遍历所述"annotations"属性下的所有内容，并将所述"annotations"属性下的每条内容计入所述标记目标数；新建一个空的列表和一个变量n，并将所述"annotations"属性下的所有内容写入所述列表中，并判断所述"annotations"属性下的二级属性"image_id"的内容是否存在于所述列表中，若不存在，则n=n+1，直至遍历所述"annotations"属性下所有内容，最后的n的值计入所述标记图片数；对预处理后的每一所述COCO格式的原始标签文件进行审核，得出COCO格式的审核标签文件；将预处理后的每一所述COCO格式的原始标签文件与所述COCO格式的审核标签文件的进行对比，统计出两者"annotations"属性下不一致的内容条数，并将该条数计入所述标错数。
需要说明的是，对所述YOLO格式的原始标签文件进行预处理，包括如下步骤：判断所述YOLO格式的原始标签文件是否为空，若为空，则说明该YOLO格式的原始标签文件对应的图片没有任何标记，去除该标签文件；判断YOLO格式的原始标签文件的类别号是否越界：对每行的各个参数进行遍历，YOLO格式每行第一个参数为类别号，需要判断类别号是否是在[0，n-1](n为总类别数)范围内，如果不在此范围内，说明类别号越界，此标签信息无效，去除；判断YOLO格式的原始标签文件坐标是否越界：对每行参数进行遍历，YOLO格式每行除第一个参数，其余四位参数分别为中心点x坐标(x_center)、中心点y坐标(y_center)、目标宽(width)、目标高(height)，且均为归一化后的数字，因此需判断此四个参数是否属于[0，1]范围内，且x_center + width和y_center+height也在[0，1]范围内，若在，则为有效的标签信息，可以计入标记目标数。
对所述VOC格式的原始标签文件进行预处理，包括如下步骤：判断所述VOC格式的原始标签文件为空，或判断所述VOC格式的原始标签文件中是否没有任何一个<object>属性，若没有，则说明该VOC格式的原始标签文件对应的图片没有任何标记，不计入标记图片数；判断VOC格式的原始标签文件的类别号是否越界：首先生成当前标记任务的所有类别的名称的txt文件，每行对应一个类别名称，取VOC标签文件中<object>属性中的二级属性<name>，即为类别名，在之前所述的所有类别名的txt文件中寻找此类别名，并返回此类别名在所述txt文件中在第几行，并判断所述行数是否是在[0，n](n为总类别数)范围内，如果在所述txt文件中未找到类别名，说明类别号标错，此标签信息无效。
对所述COCO格式的原始标签文件进行预处理，包括如下步骤：判断所述COCO格式的原始标签文件是否为空，或者判断所述COCO格式的原始标签文件中"annotations"属性下是否有内容，若无，则说明该COCO格式的原始标签文件没有任何标记，标记图片数为0；取"images"属性下的内容进行遍历，对于"images"下的二级属性"id"，在"annotations"属性下的二级属性"id"寻找相同的值，若匹配成功，则此id的图片为已标记状态，否则为未标记；判断COCO格式的原始标签文件类别号是否越界：首先取"categories"属性下所有内容进行遍历，新建一个变量c = -1，在遍历过程中如"categories"属性下的二级属性"id"的值大于c，则将此值赋给c，直至遍历结束。取COCO标签文件中"annotations"属性进行遍历，对于每个二级属性"category_id"，即为类别号，判断值是否是在[0，c]范围内，如果不在此范围内，说明类别号标错，此标签信息无效；判断COCO格式的原始标签文件的坐标是否越界：对每个COCO标签文件取"annotations"属性下的二级属性"bbox"，将其转换为列表[x，y，w，h]，分别代表着目标框左上角x，y坐标值和目标框的宽w和高h，做出以下判断：0<=x<img_width； 0<=y<img_height；0<w<img_width；0<h<img_height；0<(x+w)<img_width； 0<(y+h)<img_height。其中img_width和img_height代表着标签文件对应图片的宽和高，即分辨率，若不在上述范围内，此标签信息无效。
步骤S40：将所述工作时间和/或所述工作量作为所述图像数据标记人员的考勤数据，并根据所述考勤数据对所述图像数据标记人员进行绩效评定。
本发明所提出的图像数据标记人员的考勤统计方法，遍历所有所述原始标签文件，提取每一所述原始标签文件的最后修改时间，将最晚的所述最后修改时间与最早的所述最后修改时间的间隔时长作为所述图像数据标记人员的工作时间；采用批处理算法统计所述原始标签文件中包含的标记图片数、标记目标数以及标错数，并将统计结果作为所述图像数据标记人员的工作量；将所述工作时间和/或所述工作量作为所述图像数据标记人员的考勤数据，并根据所述考勤数据对所述图像数据标记人员进行绩效评定。该方法有效的、准确的统计图像数据标记人员的工作量和工作时间，进而提高了考勤数据的准确率。
参阅图2所示，是本发明图像数据标记人员的考勤统计装置200的模块示意图。
本实施例中，所述图像数据标记人员的考勤统计装置200包括一系列的存储于存储器上的计算机程序指令，当该计算机程序指令被处理器执行时，可以实现本发明图像数据标记人员的考勤统计操作。在一些实施例中，基于该计算机程序指令各部分所实现的特定的操作，图像数据标记人员的考勤统计装置200可以被划分为一个或多个模块。例如，在图2中，所述图像数据标记人员的考勤统计装置200可以被分割成获取模块201、处理模块202、统计模块203以及评审模块204。其中：
获取模块201：用于获取图像数据标记人员处理的图像数据的所有原始标签文件。
具体的，所述图像数据标记人员标记每一图像数据都会形成一个标签文件，当图像数据标记人员面对不同类型的图像数据会采用不同的标记方式进行标记，因而会形成不同格式的标签文件。在本实施例中，所述原始标签文件的格式包括YOLO格式、VOC格式以及COCO格式。
具体的，所述YOLO格式为txt文件格式，单个YOLO格式的原始标签文件对应单个图片，一个YOLO格式的原始标签文件涵盖其对应图片中所有的目标框信息，YOLO格式的原始标签文件与图片名一致，且一个目标框标记为一行。所述YOLO格式的标记为【Class X_center Y_center Width Height】即【类别中心点坐标x 中心点坐标y 宽高】；其中，Class从【0】开始，至【总类别数-1】结束；坐标原点为图片左上角，四位坐标相关数字均为归一化后的数字，即0~1间的数字，为点坐标在图上的相对位置，浮点型，保留六位或者八位小数都可以，例如一张图片宽1920，高1080；目标标记框的类别为第一个类别(即0)，目标框的中心点的坐标为(1101，995)，宽100像素，长50像素，那x_center即1101/1920，y_center为995/1080则YOLO格式的标记为【0 0.573437500 0.921296296 0.052083333 0.046296296】。
进一步的，所述VOC格式为xml文件格式，单个VOC格式的原始标签文件对应单张图片；VOC格式的原始标签文件与图片名一致，每个VOC格式的原始标签文件涵盖其对应图片中所有的目标框信息。且所述VOC格式的原始标签文件，属性嵌套，所有属性都是前后对应的，例如前面有一个<annotation>作为开始，那后面必有</annotation>作为结束。VOC格式的原始标签文件中必要的属性有<filename>，<size>，<object>。
更近一步的，所述COCO格式为json文件格式，单个COCO格式的原始标签文件对应整个图像数据集的所有图片。所述COCO格式的原始标签文件，属性嵌套，第一层包含如下几个属性“info”，“licenses”，“categories”，“images”，“annotations”，对于不同的标记任务，如目标检测、目标追踪、属性标记、全景分割等，只有“annotations”下的属性会变化，其他属性均无大的变化。
处理模块202：用于遍历所有所述原始标签文件，提取每一所述原始标签文件的最后修改时间，将最晚的所述最后修改时间与最早的所述最后修改时间的间隔时长作为所述图像数据标记人员的工作时间。
在本实施例中，所述图像数据标记人员的工作时间T=T1-T2，其中，T1为所述原始标签文件最后修改的最晚的时间，T2为所述原始标签文件最后修改的最早的时间。
统计模块203：用于采用批处理算法统计所述原始标签文件中包含的标记图片数、标记目标数以及标错数，并将统计结果作为所述图像数据标记人员的工作量。
本实施例中，标记一个图片对应一个标记图片数，将图片中的目标图像作为标签信息，所述标签信息为目标框，一个目标框对应一个标记目标数。
在本实施例中，所述批处理算法的编程语言为Python、C++、C以及Java语言中的任意一种。
更优的，所述批处理算法包括第一预设算法、第二预设算法以及第三预设算法，分别用于统计所述YOLO格式的原始标签文件、所述VOC格式的原始标签文件及所述COCO格式的原始标签文件中包含的标记图片数、标记目标数以及标错数。
具体的，所述第一预设算法统计所述YOLO格式的原始标签文件中包含的标记图片数、标记目标数以及标错数，包括如下步骤：遍历所有所述YOLO格式的原始标签文件，并对每一所述YOLO格式的原始标签文件进行预处理，以去除无效的所述YOLO格式的原始标签文件和/或所述YOLO格式的原始标签文件中的无效标签信息；将保留的所述YOLO格式的原始标签文件计入所述标记图片数；统计预处理后的每一所述YOLO格式的原始标签文件中标签信息的行数，并将该行数计入所述标记目标数；对预处理后的每一所述YOLO格式的原始标签文件进行审核，得出YOLO格式的审核标签文件；将预处理后的每一所述YOLO格式的原始标签文件与所述YOLO格式的审核标签文件进行对比，统计出两者不一致的标签信息的个数，并将该个数计入所述标错数。
所述第二预设算法统计所述VOC格式的原始标签文件中包含的标记图片数、标记目标数以及标错数，包括如下步骤：遍历所有所述VOC格式的原始标签文件，并对每一所述VOC格式的原始标签文件进行预处理，以去除无效的所述VOC格式的原始标签文件和/或所述VOC格式的原始标签文件中的无效标签信息；将保留的所述VOC格式的原始标签文件计入所述标记图片数；统计预处理后的每一所述VOC格式的原始标签文件中<object>属性的个数，并将该个数计入所述标记目标数；对预处理后的每一所述VOC格式的原始标签文件进行审核，得出VOC格式的审核标签文件；将预处理后的每一所述VOC格式的原始标签文件与所述VOC格式的审核标签文件进行对比，统计出两者不一致的<object>属性的个数，并将该个数计入所述标错数；
所述第三预设算法统计所述COCO格式的原始标签文件中包含的标记图片数、标记目标数以及标错数，包括如下步骤：遍历所有所述COCO格式的原始标签文件，并对每一所述COCO格式的原始标签文件进行预处理，以去除无效的所述COCO格式的原始标签文件和/或所述COCO格式的原始标签文件中的无效标签信息；提取预处理后的每一所述COCO格式的原始标签文件中"annotations"属性；遍历所述"annotations"属性下的所有内容，并将所述"annotations"属性下的每条内容计入所述标记目标数；新建一个空的列表和一个变量n，并将所述"annotations"属性下的所有内容写入所述列表中，并判断所述"annotations"属性下的二级属性"image_id"的内容是否存在于所述列表中，若不存在，则n=n+1，直至遍历所述"annotations"属性下所有内容，最后的n的值计入所述标记图片数；对预处理后的每一所述COCO格式的原始标签文件进行审核，得出COCO格式的审核标签文件；将预处理后的每一所述COCO格式的原始标签文件与所述COCO格式的审核标签文件的进行对比，统计出两者"annotations"属性下不一致的内容条数，并将该条数计入所述标错数。
需要说明的是，对所述YOLO格式的原始标签文件进行预处理，包括如下步骤：判断所述YOLO格式的原始标签文件是否为空，若为空，则说明该YOLO格式的原始标签文件对应的图片没有任何标记，去除该标签文件；判断YOLO格式的原始标签文件的类别号是否越界：对每行的各个参数进行遍历，YOLO格式每行第一个参数为类别号，需要判断类别号是否是在[0，n-1](n为总类别数)范围内，如果不在此范围内，说明类别号越界，此标签信息无效，去除；判断YOLO格式的原始标签文件坐标是否越界：对每行参数进行遍历，YOLO格式每行除第一个参数，其余四位参数分别为中心点x坐标(x_center)、中心点y坐标(y_center)、目标宽(width)、目标高(height)，且均为归一化后的数字，因此需判断此四个参数是否属于[0，1]范围内，且x_center + width和y_center+height也在[0，1]范围内，若在，则为有效的标签信息，可以计入标记目标数。
对所述VOC格式的原始标签文件进行预处理，包括如下步骤：判断所述VOC格式的原始标签文件为空，或判断所述VOC格式的原始标签文件中是否没有任何一个<object>属性，若没有，则说明该VOC格式的原始标签文件对应的图片没有任何标记，不计入标记图片数；判断VOC格式的原始标签文件的类别号是否越界：首先生成当前标记任务的所有类别的名称的txt文件，每行对应一个类别名称，取VOC标签文件中<object>属性中的二级属性<name>，即为类别名，在之前所述的所有类别名的txt文件中寻找此类别名，并返回此类别名在所述txt文件中在第几行，并判断所述行数是否是在[0，n](n为总类别数)范围内，如果在所述txt文件中未找到类别名，说明类别号标错，此标签信息无效。
对所述COCO格式的原始标签文件进行预处理，包括如下步骤：判断所述COCO格式的原始标签文件是否为空，或者判断所述COCO格式的原始标签文件中"annotations"属性下是否有内容，若无，则说明该COCO格式的原始标签文件没有任何标记，标记图片数为0；取"images"属性下的内容进行遍历，对于"images"下的二级属性"id"，在"annotations"属性下的二级属性"id"寻找相同的值，若匹配成功，则此id的图片为已标记状态，否则为未标记；判断COCO格式的原始标签文件类别号是否越界：首先取"categories"属性下所有内容进行遍历，新建一个变量c = -1，在遍历过程中如"categories"属性下的二级属性"id"的值大于c，则将此值赋给c，直至遍历结束。取COCO标签文件中"annotations"属性进行遍历，对于每个二级属性"category_id"，即为类别号，判断值是否是在[0，c]范围内，如果不在此范围内，说明类别号标错，此标签信息无效；判断COCO格式的原始标签文件的坐标是否越界：对每个COCO标签文件取"annotations"属性下的二级属性"bbox"，将其转换为列表[x，y，w，h]，分别代表着目标框左上角x，y坐标值和目标框的宽w和高h，做出以下判断：0<=x<img_width； 0<=y<img_height；0<w<img_width；0<h<img_height；0<(x+w)<img_width； 0<(y+h)<img_height。其中img_width和img_height代表着标签文件对应图片的宽和高，即分辨率，若不在上述范围内，此标签信息无效。
评审模块204：用于将所述工作时间和/或所述工作量作为所述图像数据标记人员的考勤数据，并根据所述考勤数据对所述图像数据标记人员进行绩效评定。
本发明所提出的图像数据标记人员的考勤统计装置，遍历所有所述原始标签文件，提取每一所述原始标签文件的最后修改时间，将最晚的所述最后修改时间与最早的所述最后修改时间的间隔时长作为所述图像数据标记人员的工作时间；采用批处理算法统计所述原始标签文件中包含的标记图片数、标记目标数以及标错数，并将统计结果作为所述图像数据标记人员的工作量；将所述工作时间和/或所述工作量作为所述图像数据标记人员的考勤数据，并根据所述考勤数据对所述图像数据标记人员进行绩效评定。该方法有效的、准确的统计图像数据标记人员的工作量和工作时间，进而提高了考勤数据的准确率。
参阅图3所示，是本发明实现图像数据标记人员的考勤统计方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线12，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如图像数据标记人员的考勤统计程序13。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（SecureDigital， SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如图像数据标记人员的考勤统计程序13的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行图像数据标记人员的考勤统计程序等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线12可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的图像数据标记人员的考勤统计程序13是多个指令的组合，在所述处理器10中运行时，可以实现如下步骤：
获取图像数据标记人员处理的图像数据的所有原始标签文件；
遍历所有所述原始标签文件，提取每一所述原始标签文件的最后修改时间，将最晚的所述最后修改时间与最早的所述最后修改时间的间隔时长作为所述图像数据标记人员的工作时间；
采用批处理算法统计所述原始标签文件中包含的标记图片数、标记目标数以及标错数，并将统计结果作为所述图像数据标记人员的工作量；
将所述工作时间和/或所述工作量作为所述图像数据标记人员的考勤数据，并根据所述考勤数据对所述图像数据标记人员进行绩效评定。
进一步地，所述电子设备1集成的模块/单元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，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质可以是非易失性的，也可以是易失性的。所述计算机可读存储介质存储有图像数据标记人员的考勤统计程序，所述图像数据标记人员的考勤统计程序可被处理器执行，以使所述处理器执行上述图像数据标记人员的考勤统计方法实施例中的步骤。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块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。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (5)
1.一种图像数据标记人员的考勤统计方法，应用于电子设备，其特征在于，所述方法包括如下步骤：
获取图像数据标记人员处理的图像数据的所有原始标签文件；
遍历所有所述原始标签文件，提取每一所述原始标签文件的最后修改时间，将最晚的所述最后修改时间与最早的所述最后修改时间的间隔时长作为所述图像数据标记人员的工作时间；
采用批处理算法统计所述原始标签文件中包含的标记图片数、标记目标数以及标错数，并将统计结果作为所述图像数据标记人员的工作量；
将所述工作时间和/或所述工作量作为所述图像数据标记人员的考勤数据，并根据所述考勤数据对所述图像数据标记人员进行绩效评定；
所述原始标签文件的格式包括YOLO格式，所述批处理算法包括第一预设算法，所述第一预设算法统计所述YOLO格式的原始标签文件中包含的标记图片数、标记目标数以及标错数，包括如下步骤：
遍历所有所述YOLO格式的原始标签文件，并对每一所述YOLO格式的原始标签文件进行预处理，以去除无效的所述YOLO格式的原始标签文件和/或所述YOLO格式的原始标签文件中的无效标签信息；
将保留的所述YOLO格式的原始标签文件计入所述标记图片数；
统计预处理后的每一所述YOLO格式的原始标签文件中标签信息的行数，并将该行数计入所述标记目标数；
对预处理后的每一所述YOLO格式的原始标签文件进行审核，得出YOLO格式的审核标签文件，将预处理后的每一所述YOLO格式的原始标签文件与所述YOLO格式的审核标签文件进行对比，统计出两者不一致的标签信息的个数，并将该个数计入所述标错数；
所述原始标签文件的格式包括VOC格式，所述批处理算法包括第二预设算法，所述第二预设算法统计所述VOC格式的原始标签文件中包含的标记图片数、标记目标数以及标错数，包括如下步骤：
遍历所有所述VOC格式的原始标签文件，并对每一所述VOC格式的原始标签文件进行预处理，以去除无效的所述VOC格式的原始标签文件和/或所述VOC格式的原始标签文件中的无效标签信息；
将保留的所述VOC格式的原始标签文件计入所述标记图片数；
统计预处理后的每一所述VOC格式的原始标签文件中<object>属性的个数，并将该个数计入所述标记目标数；
对预处理后的每一所述VOC格式的原始标签文件进行审核，得出VOC格式的审核标签文件，将预处理后的每一所述VOC格式的原始标签文件与所述VOC格式的审核标签文件进行对比，统计出两者不一致的<object>属性的个数，并将该个数计入所述标错数；
所述原始标签文件的格式包括COCO格式，所述批处理算法包括第三预设算法，所述第三预设算法统计所述COCO格式的原始标签文件中包含的标记图片数、标记目标数以及标错数，包括如下步骤：
遍历所有所述COCO格式的原始标签文件，并对每一所述COCO格式的原始标签文件进行预处理，以去除无效的所述COCO格式的原始标签文件和/或所述COCO格式的原始标签文件中的无效标签信息；
提取预处理后的每一所述COCO格式的原始标签文件中的"annotations"属性，遍历所述"annotations"属性下的所有内容，并将所述"annotations"属性下的每条内容计入所述标记目标数；
新建一个空的列表和一个变量n，并将所述"annotations"属性下的所有内容写入所述列表中，并判断所述"annotations"属性下的二级属性"image_id"的内容是否存在于所述列表中，若不存在，则n=n+1，直至遍历所述"annotations"属性下所有内容，最后的n的值计入所述标记图片数；
对预处理后的每一所述COCO格式的原始标签文件进行审核，得出COCO格式的审核标签文件；将预处理后的每一所述COCO格式的原始标签文件与所述COCO格式的审核标签文件的进行对比，统计出两者"annotations"属性下不一致的内容条数，并将该条数计入所述标错数。
2.如权利要求1所述的图像数据标记人员的考勤统计方法，其特征在于，所述批处理算法的编程语言为Python、C++、C以及Java语言中的任意一种。
3.一种图像数据标记人员的考勤统计装置，其特征在于，该装置包括：
获取模块：用于获取图像数据标记人员处理的图像数据的所有原始标签文件；
处理模块：用于遍历所有所述原始标签文件，提取每一所述原始标签文件的最后修改时间，将最晚的所述最后修改时间与最早的所述最后修改时间的间隔时长作为所述图像数据标记人员的工作时间；
统计模块：用于采用批处理算法统计所述原始标签文件中包含的标记图片数、标记目标数以及标错数，并将统计结果作为所述图像数据标记人员的工作量；
评审模块：用于将所述工作时间和/或所述工作量作为所述图像数据标记人员的考勤数据，并根据所述考勤数据对所述图像数据标记人员进行绩效评定。
4.一种电子设备，其特征在于，所述电子设备包括：处理器和与所述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处理器执行的图像数据标记人员的考勤统计程序，所述处理器执行所述图像数据标记人员的考勤统计程序时实现如权利要求1至2中任一项所述的图像数据标记人员的考勤统计方法的步骤。
5.一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图像数据标记人员的考勤统计程序，所述图像数据标记人员的考勤统计程序可被处理器执行，以实现如权利要求1至2中任一项所述的图像数据标记人员的考勤统计方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110515247.7A CN112950100B (zh) | 2021-05-12 | 2021-05-12 | 图像数据标记人员的考勤统计方法、装置及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110515247.7A CN112950100B (zh) | 2021-05-12 | 2021-05-12 | 图像数据标记人员的考勤统计方法、装置及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112950100A CN112950100A (zh) | 2021-06-11 |
| CN112950100B true CN112950100B (zh) | 2021-07-13 |
Family
ID=76233762
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110515247.7A Active CN112950100B (zh) | 2021-05-12 | 2021-05-12 | 图像数据标记人员的考勤统计方法、装置及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112950100B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007213371A (ja) * | 2006-02-10 | 2007-08-23 | Hitachi Software Eng Co Ltd | 出欠確認システム |
| CN104636889A (zh) * | 2015-03-10 | 2015-05-20 | 刘升 | 一种人员信息综合管理系统 |
| CN104952117A (zh) * | 2015-02-28 | 2015-09-30 | 山东紫光比威网络技术有限公司 | 一种考勤管理方法 |
| CN108874969A (zh) * | 2018-06-07 | 2018-11-23 | 赵崇标 | 一种标注智能识别方法 |
| CN109243000A (zh) * | 2018-10-29 | 2019-01-18 | 冼汉生 | 一种智能考勤方法、装置、终端及计算机可读存储介质 |
-
2021
- 2021-05-12 CN CN202110515247.7A patent/CN112950100B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007213371A (ja) * | 2006-02-10 | 2007-08-23 | Hitachi Software Eng Co Ltd | 出欠確認システム |
| CN104952117A (zh) * | 2015-02-28 | 2015-09-30 | 山东紫光比威网络技术有限公司 | 一种考勤管理方法 |
| CN104636889A (zh) * | 2015-03-10 | 2015-05-20 | 刘升 | 一种人员信息综合管理系统 |
| CN108874969A (zh) * | 2018-06-07 | 2018-11-23 | 赵崇标 | 一种标注智能识别方法 |
| CN109243000A (zh) * | 2018-10-29 | 2019-01-18 | 冼汉生 | 一种智能考勤方法、装置、终端及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112950100A (zh) | 2021-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112528863A (zh) | 表格结构的识别方法、装置、电子设备及存储介质 | |
| CN112699775A (zh) | 基于深度学习的证件识别方法、装置、设备及存储介质 | |
| CN112052850A (zh) | 车牌识别方法、装置、电子设备及存储介质 | |
| CN113920117B (zh) | 一种面板缺陷区域检测方法、装置、电子设备及存储介质 | |
| CN112100425A (zh) | 基于人工智能的标签标注方法、装置、电子设备及介质 | |
| CN112132016B (zh) | 票据信息提取方法、装置及电子设备 | |
| CN112137591A (zh) | 基于视频流的目标物位置检测方法、装置、设备及介质 | |
| CN114550076A (zh) | 区域异常行为监控方法、装置、设备及存储介质 | |
| CN114708461A (zh) | 基于多模态学习模型的分类方法、装置、设备及存储介质 | |
| CN112950100B (zh) | 图像数据标记人员的考勤统计方法、装置及相关设备 | |
| CN113065607A (zh) | 图像检测方法、装置、电子设备及介质 | |
| CN112613367A (zh) | 票据信息文本框获取方法、系统、设备及存储介质 | |
| CN111858604A (zh) | 数据存储方法、装置、电子设备及存储介质 | |
| CN107861931B (zh) | 模板文件处理方法、装置、计算机设备和存储介质 | |
| CN113221888B (zh) | 车牌号管理系统测试方法、装置、电子设备及存储介质 | |
| CN114882059A (zh) | 基于图像分析的尺寸测量方法、装置、设备及存储介质 | |
| CN114387522A (zh) | 一种工作现场的智能预警方法、装置、设备及介质 | |
| CN113190703A (zh) | 视频图像的智能检索方法、装置、电子设备及存储介质 | |
| CN112528100A (zh) | 一种标签策略推荐和打标方法、终端设备及存储介质 | |
| CN113672565B (zh) | 一种文件标记方法、装置、电子设备及存储介质 | |
| CN113656486B (zh) | 生成可视化对象的方法、装置、终端设备及存储介质 | |
| CN111339341A (zh) | 模型的训练方法及装置、定位方法及装置、设备 | |
| CN114792295B (zh) | 基于智能相框的被遮挡物修正方法、装置、设备及介质 | |
| CN113486266B (zh) | 页面标签添加方法、装置、设备及存储介质 | |
| CN114359645A (zh) | 基于特征区域的图像拓展方法、装置、设备及存储介质 |
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 | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20240109 Granted publication date: 20210713 |
|
| PP01 | Preservation of patent right |