CN113408633B - 用于输出信息的方法、装置、设备以及存储介质 - Google Patents

用于输出信息的方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN113408633B
CN113408633B CN202110726248.6A CN202110726248A CN113408633B CN 113408633 B CN113408633 B CN 113408633B CN 202110726248 A CN202110726248 A CN 202110726248A CN 113408633 B CN113408633 B CN 113408633B
Authority
CN
China
Prior art keywords
semantic
label
evaluated
determining
pixel
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
Application number
CN202110726248.6A
Other languages
English (en)
Other versions
CN113408633A (zh
Inventor
杨雪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110726248.6A priority Critical patent/CN113408633B/zh
Publication of CN113408633A publication Critical patent/CN113408633A/zh
Application granted granted Critical
Publication of CN113408633B publication Critical patent/CN113408633B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/40Software arrangements specially adapted for pattern recognition, e.g. user interfaces or toolboxes therefor
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217Validation; Performance evaluation; Active pattern learning techniques
    • G06F18/2193Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了用于输出信息的方法、装置、设备以及存储介质,涉及云计算领域。具体实现方案为:获取针对目标图像的标准标注以及待评估标注;对比标准标注和待评估标注中的各语义区域,确定每个语义区域中标注正确的像素数量;根据标准标注、待评估标注以及每个语义区域中标注正确的像素数量,确定待评估标注的标注正确率;根据标注正确率,确定以及输出评估信息。本实现方式可以对标注结果进行评估,从而能够快速地得到评估信息,提高对标注结果评估的效率。

Description

用于输出信息的方法、装置、设备以及存储介质
技术领域
本公开涉及计算机技术领域,具体涉及云计算领域,尤其涉及用于输出信息的方法、装置、设备以及存储介质。
背景技术
在和图像有关的机器学习任务中,经常需要对图像进行标注,例如注明图像中对象的类别、在图像中框选出感兴趣的对象、在图像中标注出感兴趣的区域等。目前,对于图像的标注工作绝大多数仍然要依赖于人工完成,例如,在特定的标注平台上显示要标注的图片,标注人员通过点击鼠标、操作键盘等行为完成标注。
然而,现有的标注平台只是作为一种标注工具被使用,并不能给出标注结果是否准确的评价。
发明内容
本公开提供了一种用于输出信息的方法、装置、设备以及存储介质。
根据第一方面,提供了一种用于输出信息的方法,包括:获取针对目标图像的标准标注以及待评估标注;对比标准标注和待评估标注中的各语义区域,确定每个语义区域中标注正确的像素数量;根据标准标注、待评估标注以及每个语义区域中标注正确的像素数量,确定待评估标注的标注正确率;根据标注正确率,确定以及输出评估信息。
根据第二方面,提供了一种用于输出信息的装置,包括:标注获取单元,被配置成获取针对目标图像的标准标注以及待评估标注;标注对比单元,被配置成对比标准标注和待评估标注中的各语义区域,确定每个语义区域中标注正确的像素数量;正确率计算单元,被配置成根据标准标注、待评估标注以及每个语义区域中标注正确的像素数量,确定待评估标注的标注正确率;信息输出单元,被配置成根据标注正确率,确定以及输出评估信息。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,上述指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面所描述的方法。
根据第四方面,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,上述计算机指令用于使计算机执行如第一方面所描述的方法。
根据第五方面,一种计算机程序产品,包括计算机程序,上述计算机程序在被处理器执行时实现如第一方面所描述的方法。
根据本公开的技术能够对标注结果进行准确度进行评估,从而能够快速地得到评估信息,提高对标注结果评估的效率。
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,不构成对本公开的限定。其中:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于输出信息的方法的一个实施例的流程图;
图3是根据本公开的用于输出信息的方法的一个应用场景的示意图;
图4是根据本公开的用于输出信息的方法的另一个实施例的流程图;
图5是根据本公开的用于输出信息的装置的一个实施例的结构示意图;
图6是用来实现本公开实施例的用于输出信息的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如图像处理类应用、图像标注类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上提供标注结果进行评估的后台服务器。后台服务器可以将评估结果反馈给终端设备101、102、103。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开实施例所提供的用于输出信息的方法可以由终端设备101、102、103执行,也可以由服务器105执行。相应地,用于输出信息的装置可以设置于终端设备101、102、103中,也可以设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于输出信息的方法的一个实施例的流程200。本实施例的用于输出信息的方法,包括以下步骤:
步骤201,获取针对目标图像的标准标注以及待评估标注。
本实施例中,用于输出信息的方法的执行主体可以分别获取针对目标图像的标准标注以及待评估标注。这里,目标图像可以是人脸图像,也可以是车辆在行驶过程中采集的包含障碍物的图像。目标图像中可以包含不同的对象,上述对象可以是障碍物,也可以是五官等等。标准标注可以是针对目标图像的标注答案,即为正确率为100%的标注。标准标注可以由有经验的标注人员确定,也可以由性能较好的标注算法确定。待评估标注可以是标注人员或待优化算法针对目标图像的标注。标准标注和待评估标注中可以包括多个标注框,不同的标注框可以对应不同的语义区域。
步骤202,对比标准标注和待评估标注中的各语义区域,确定每个语义区域中标注正确的像素数量。
本实施例中,执行主体在获取到标准标注和待评估标注后,可以将标准标注中的各语义区域和待评估标注中的各语义区域进行对比,确定每个语义区域中标注正确的像素数量。具体的,执行主体可以将待评估标注中的每个语义区域与标准标注中的每个语义区域进行对比,确定待评估标注中的每个语义区域与标准标注中的各语义区域具有相同标注的像素的数量。将各数量中最大值作为该语义区域中标注正确的像素数量。或者,执行主体可以将待评估标注中的每个语义区域所占像素与标准标注中相同语义的区域所占像素进行对比,将重叠的像素的数量作为该语义区域中标注正确的像素数量。
步骤203,根据标准标注、待评估标注以及每个语义区域中标注正确的像素数量,确定待评估标注的标注正确率。
在确定待评估标注中每个语义区域中标注正确的像素数量后,执行主体可以结合标准标注和待评估标注,确定每个语义区域中的像素数量。根据每个语义区域中标注正确的像素数量以及所确定的每个语义区域中的像素数量,确定出每个语义区域的标注正确率。然后,对各语义区域的标注正确率进行加权或求平均,得到待评估标注的标注正确率。
步骤204,根据标注正确率,确定以及输出评估信息。
执行主体在计算得到待评估标注的标注正确率后,可以基于上述标注正确率生成评估信息。具体的,执行主体可以结合待评估标注的来源,生成评估信息。例如,待评估标注是由标注人员A完成的,则执行主体可以生成评估信息“标注人员A本次标注的正确率为XX”。执行主体可以将生成的评估信息输出以供用户查看。
继续参见图3,其示出了根据本公开的用于输出信息的方法的一个应用场景的示意图。在图3的应用场景中,终端301中的待优化标注算法将针对人脸图像的标注结果作为待评估标注,并发送至终端302。使用终端302的标注人员对人脸图像进行标注,将标注结果作为标准标注。终端301针对待评估标注和标准标注进行步骤202~204的处理,得到待优化标注算法的评估信息。终端301将评估信息发送至终端301,使用终端301的技术人员可以根据上述评估信息,对待优化标注算法进行优化。这样,可以利用优化后的标注算法继续对图像进行标注,从而提高图像标注的准确率。
在另一个应用场景中,将新晋标注人员对针对人脸图像的标注结果作为待评估标注。有丰富标注经验的标注人员对人脸图像进行标注,将标注结果作为标准标注。终端针对待评估标注和标准标注进行步骤202~204的处理,得到待优化标注算法的评估信息。上述评估信息可以作为新晋标注人员的考核结果,可以根据上述考核结果筛选出优秀的新晋标注人员,通过筛选出的优秀新晋标注人员进行图像标注,从而能够提高图像标注的准确率。
本公开的上述实施例提供的用于输出信息的方法,可以对图像的标注结果进行评估,从而能够快速地得到评估信息,提高对标注结果评估的效率。
继续参见图4,其示出了根据本公开的用于输出信息的方法的另一个实施例的流程400。如图4所示,本实施例的方法可以包括以下步骤:
步骤401,获取针对目标图像的标准标注以及待评估标注。
步骤402,根据标准标注和待评估标注中的各语义区域,分别确定第一语义矩阵序列和第二语义矩阵序列。
本实施例中,执行主体可以通过分别对标准标注和待评估标注中的各语义区域进行分析,首先确定与标准标注对应的第一语义矩阵序列和与待评估标注对应的第二语义矩阵序列。这里,第一语义矩阵序列和第二语义矩阵序列可以包括多个语义矩阵,每个语义矩阵中可以包括多个值,值的数量与目标图像的像素的数量相同。语义矩阵中的每个值用于表示像素点所属的语义。执行主体可以分别确定标准标注和待评估标注中的各像素所属的语义,将上述语义采用数值表示,从而得到第一语义矩阵序列heel第二语义矩阵序列。
在本实施例的一些可选的实现方式中,执行主体可以通过步骤4021~4022来确定第一语义矩阵序列,通过步骤4023~4024来确定第二语义矩阵序列:
步骤4021,根据标准标注中的各语义区域,确定第一掩膜值序列和第一像素值矩阵。
本实现方式中,执行主体可以首先标准标注中的各语义区域,确定语义区域的数量。将上述数量作为第一掩膜值序列中的数量值。举例说明,如果一张人脸图片的标注需求中规定需要标注两种语义区域,即需要将图片中语义为脸和语义为鼻子的区域标出来,那么这个图对应的掩膜值序列包含(1,0)和(0,1)。序列中的第一个值对应语义为脸,第二个值对应语义为鼻子。
执行主体还可以根据标准标注中的各语义像素值,确定第一像素值矩阵。具体的,执行主体可以将标准标注中每个像素点所属的区域利用数值表示,像素值的数量与语义的数量相同。
步骤4022,根据第一掩膜值序列和第一像素值矩阵,确定第一语义矩阵序列。
执行主体可以将第一掩膜值序列与第一像素值矩阵相乘,得到多个矩阵。将每个矩阵记为语义矩阵,多个语义矩阵组成第一语义矩阵序列。
步骤4023,根据待评估标注中的各语义区域,确定第二掩膜值序列以及第二像素值矩阵。
步骤4024,根据第二掩膜值序列和第二像素值矩阵,确定第一语义矩阵序列。
可以理解的是,第二掩膜值序列以及第二像素值矩阵的确定方法同第一掩膜值序列以及第一像素值矩阵的确定方法类似,此处不再赘述。
步骤403,分别对比第一语义矩阵序列和第二语义矩阵序列,确定每个语义区域中标注正确的像素数量。
执行主体可以将第一语义矩阵序列中的各第一语义矩阵和第二语义矩阵序列中的各第二语义矩阵进行对比。具体的,执行主体可以将第一语义矩阵序列和第二语义矩阵序列中相同语义的第一语义矩阵和第二语义矩阵进行比较。具体的,执行主体可以逐个校验每个语义下各像素点的属性信息。属性信息可以包括用于描述像素点的信息,如天空、大地等等。执行主体可以将各项属性信息进行比较,如果其中一项不同,则认为标注错误。如果各项属性信息均相同,则认为标注正确。通过对标注正确的像素点进行统计,执行主体可以确定每个语义区域中标注正确的像素数量。
步骤404,确定标准标注中每个语义区域的第一像素数量以及待评估标注中每个语义区域的第二像素数量。
执行主体可以分别对标准标注中每个语义区域以及待评估标注中每个语义区域进行像素统计,确定每个语义区域的像素数量。将标准标注中每个语义区域的像素数量记为第一像素数量,将待评估标注中每个语义区域的像素数量记为第二像素数量。
步骤405,根据每个语义区域中标注正确的像素数量、第一像素数量以及第二像素数量,确定待评估标注中每个语义区域的标注正确率。
执行主体可以根据第一像素数量以及第二像素数量,确定每个语义区域的像素数量。然后,将每个语义区域中标注正确的像素数量与所确定的上述数量做比值,得到每个语义区域的标注正确率。
在本实施例的一些可选的实现方式中,执行主体可以通过步骤4051~4052确定每个语义区域的标注正确率:
步骤4051,根据第一像素数量和第二像素数量,确定每个语义区域的像素数量最大值。
步骤4052,根据每个语义区域中标注正确的像素数量以及每个语义区域的像素数量最大值,确定每个语义区域的标注正确率。
本实现方式中,执行主体可以将第一像素数量和第二像素数量中数值较大的一者作为每个语义区域的像素数量最大值。或者,执行主体可以对第一像素数量所对应的像素区域与第二像素数量所对应的像素区域取并集,将得到的像素区域的像素数量作为每个语义区域的像素数量最大值。然后将每个语义区域中标注正确的像素数量与每个语义区域的像素数量最大值做比值,得到每个语义区域的标注正确率。
在本实施例的一些可选的实现方式中,在标准标注和待评估标注中,如果存在至少两个语义区域之间有重叠,则执行主体可以根据上述至少两个语义区域中各像素的高度,确定至少两个语义区域中上下关系。上下关系可以表示出上层语义区域、中层语义区域、下层语义区域等。如果存在重叠的语义区域的数量较多,执行主体可以利用不同的数值来表示语义区域之间的由上到下关系。在确定上下关系后,执行主体可以根据上下关系以及至少两个区域所覆盖的像素区域,确定标准标注中每个语义区域的第一像素数量以及待评估标注中每个语义区域的第二像素数量。具体的,执行主体可以首先确定出最上层的语义区域的像素数量。然后,将下一层语义区域中与上层语义区域重叠的部分的像素的数量去除,从而得到下一层语义区域的像素数量。依次分析,从而能够得到各层语义区域的像素数量。
步骤406,根据每个语义区域的标注正确率,确定待评估标注的标注正确率。
执行主体可以对各语义区域的标注正确率进行加权或求平均,将得到的值作为待评估标注的标注正确率。
步骤407,根据标注正确率,确定以及输出评估信息。
本公开的上述实施例提供的用于输出信息的方法,可以将待评估标注与标准标注按像素点进行比较,提高评估信息的准确率。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于输出信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于输出信息的装置500包括:标注获取单元501、标注对比单元502、正确率计算单元503和信息输出单元504。
标注获取单元501,被配置成获取针对目标图像的标准标注以及待评估标注。
标注对比单元502,被配置成对比标准标注和待评估标注中的各语义区域,确定每个语义区域中标注正确的像素数量;
正确率计算单元503,被配置成根据标准标注、待评估标注以及每个语义区域中标注正确的像素数量,确定待评估标注的标注正确率。
信息输出单元504,被配置成根据标注正确率,确定以及输出评估信息。
在本实施例的一些可选的实现方式中,标注对比单元502可以进一步被配置成:根据标准标注和待评估标注中的各语义区域,分别确定第一语义矩阵序列和第二语义矩阵序列;分别对比第一语义矩阵序列和第二语义矩阵序列,确定每个语义区域中标注正确的像素数量。
在本实施例的一些可选的实现方式中,标注对比单元502可以进一步被配置成:根据标准标注中的各语义区域,确定第一掩膜值序列和第一像素值矩阵;根据第一掩膜值序列和第一像素值矩阵,确定第一语义矩阵序列;根据待评估标注中的各语义区域,确定第二掩膜值序列以及第二像素值矩阵;根据第二掩膜值序列和第二像素值矩阵,确定第一语义矩阵序列。
在本实施例的一些可选的实现方式中,正确率计算单元503可以进一步被配置成:确定标准标注中每个语义区域的第一像素数量以及待评估标注中每个语义区域的第二像素数量;根据每个语义区域中标注正确的像素数量、第一像素数量以及第二像素数量,确定待评估标注中每个语义区域的标注正确率;根据每个语义区域的标注正确率,确定待评估标注的标注正确率。
在本实施例的一些可选的实现方式中,正确率计算单元503可以进一步被配置成:根据第一像素数量和第二像素数量,确定每个语义区域的像素数量最大值;根据每个语义区域中标注正确的像素数量以及每个语义区域的像素数量最大值,确定每个语义区域的标注正确率。
在本实施例的一些可选的实现方式中,正确率计算单元503可以进一步被配置成:响应于确定至少两个语义区域存在像素重叠,根据至少两个语义区域中各像素的高度,确定至少两个语义区域中上下关系;根据上下关系以及至少两个区域所覆盖的像素区域,确定标准标注中每个语义区域的第一像素数量以及待评估标注中每个语义区域的第二像素数量。
应当理解,用于输出信息的装置500中记载的单元501至单元505分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用于输出信息的方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的获取、存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了根据本公开实施例的执行用于输出信息的方法的电子设备600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/或者要求的本公开的实现。
如图6所示,电子设备600包括处理器601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储器608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储电子设备600操作所需的各种程序和数据。处理器601、ROM 602以及RAM 603通过总线604彼此相连。I/O接口(输入/输出接口)605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储器608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器601可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器601执行上文所描述的各个方法和处理,例如用于输出信息的方法。例如,在一些实施例中,用于输出信息的方法可被实现为计算机软件程序,其被有形地包含于机器可读存储介质,例如存储器608。在一些实施例中,计算机程序的部分或者全部可以经由ROM602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由处理器601执行时,可以执行上文描述的用于输出信息的方法的一个或多个步骤。备选地,在其他实施例中,处理器601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用于输出信息的方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。上述程序代码可以封装成计算机程序产品。这些程序代码或计算机程序产品可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器601执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读存储介质可以是机器可读信号存储介质或机器可读存储介质。机器可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学存储设备、磁存储设备、或上述内容的任何合适组合。
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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以是分布式系统的服务器,或者是结合了区块链的服务器。
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,本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开的保护范围之内。

Claims (11)

1.一种用于输出信息的方法,包括:
获取针对目标图像的标准标注以及待评估标注;
对比所述标准标注和所述待评估标注中的各语义区域,确定每个语义区域中标注正确的像素数量;
根据所述标准标注、所述待评估标注以及每个语义区域中标注正确的像素数量,确定所述待评估标注的标注正确率,包括:确定所述标准标注中每个语义区域的第一像素数量以及所述待评估标注中每个语义区域的第二像素数量,其中,所述第一像素数量和所述第二像素数量是对每个语义区域进行像素统计得到的像素数量;根据每个语义区域中标注正确的像素数量、所述第一像素数量以及所述第二像素数量,确定所述待评估标注中每个语义区域的标注正确率;根据每个语义区域的标注正确率进行加权,确定所述待评估标注的标注正确率;
根据所述标注正确率和所述待评估标注的来源,确定以及输出评估信息;
其中,所述根据每个语义区域中标注正确的像素数量、所述第一像素数量以及所述第二像素数量,确定所述待评估标注中每个语义区域的标注正确率,包括:根据所述第一像素数量和所述第二像素数量,确定每个语义区域的像素数量最大值;根据每个语义区域中标注正确的像素数量以及每个语义区域的像素数量最大值,确定每个语义区域的标注正确率。
2.根据权利要求1所述的方法,其中,所述对比所述标准标注和所述待评估标注中的各语义区域,确定每个语义区域中标注正确的像素数量,包括:
根据所述标准标注和所述待评估标注中的各语义区域,分别确定第一语义矩阵序列和第二语义矩阵序列;
分别对比所述第一语义矩阵序列和所述第二语义矩阵序列,确定每个语义区域中标注正确的像素数量。
3.根据权利要求2所述的方法,其中,所述根据所述标准标注和所述待评估标注中的各语义区域,分别确定第一语义矩阵序列和第二语义矩阵序列,包括:
根据所述标准标注中的各语义区域,确定第一掩膜值序列和第一像素值矩阵;
根据所述第一掩膜值序列和所述第一像素值矩阵,确定所述第一语义矩阵序列;
根据所述待评估标注中的各语义区域,确定第二掩膜值序列以及第二像素值矩阵;
根据所述第二掩膜值序列和所述第二像素值矩阵,确定所述第一语义矩阵序列。
4.根据权利要求1所述的方法,其中,所述根据所述标准标注中每个语义区域的第一像素数量以及所述待评估标注中每个语义区域的第二像素数量,包括:
响应于确定至少两个语义区域存在像素重叠,根据所述至少两个语义区域中各像素的高度,确定所述至少两个语义区域中上下关系;
根据所述上下关系以及至少两个区域所覆盖的像素区域,确定所述标准标注中每个语义区域的第一像素数量以及所述待评估标注中每个语义区域的第二像素数量。
5.一种用于输出信息的装置,包括:
标注获取单元,被配置成获取针对目标图像的标准标注以及待评估标注;
标注对比单元,被配置成对比所述标准标注和所述待评估标注中的各语义区域,确定每个语义区域中标注正确的像素数量;
正确率计算单元,被配置成根据所述标准标注、所述待评估标注以及每个语义区域中标注正确的像素数量,确定所述待评估标注的标注正确率;
信息输出单元,被配置成根据所述标注正确率和所述待评估标注的来源,确定以及输出评估信息;
所述正确率计算单元进一步被配置成:确定所述标准标注中每个语义区域的第一像素数量以及所述待评估标注中每个语义区域的第二像素数量,其中,所述第一像素数量和所述第二像素数量是对每个语义区域进行像素统计得到的像素数量;根据每个语义区域中标注正确的像素数量、所述第一像素数量以及所述第二像素数量,确定所述待评估标注中每个语义区域的标注正确率;根据每个语义区域的标注正确率进行加权,确定所述待评估标注的标注正确率;
其中,所述正确率计算单元进一步被配置成:根据所述第一像素数量和所述第二像素数量,确定每个语义区域的像素数量最大值;根据每个语义区域中标注正确的像素数量以及每个语义区域的像素数量最大值,确定每个语义区域的标注正确率。
6.根据权利要求5所述的装置,其中,所述标注对比单元进一步被配置成:
根据所述标准标注和所述待评估标注中的各语义区域,分别确定第一语义矩阵序列和第二语义矩阵序列;
分别对比所述第一语义矩阵序列和所述第二语义矩阵序列,确定每个语义区域中标注正确的像素数量。
7.根据权利要求6所述的装置,其中,所述标注对比单元进一步被配置成:
根据所述标准标注中的各语义区域,确定第一掩膜值序列和第一像素值矩阵;
根据所述第一掩膜值序列和所述第一像素值矩阵,确定所述第一语义矩阵序列;
根据所述待评估标注中的各语义区域,确定第二掩膜值序列以及第二像素值矩阵;
根据所述第二掩膜值序列和所述第二像素值矩阵,确定所述第一语义矩阵序列。
8.根据权利要求7所述的装置,其中,所述正确率计算单元进一步被配置成:
响应于确定至少两个语义区域存在像素重叠,根据所述至少两个语义区域中各像素的高度,确定所述至少两个语义区域中上下关系;
根据所述上下关系以及至少两个区域所覆盖的像素区域,确定所述标准标注中每个语义区域的第一像素数量以及所述待评估标注中每个语义区域的第二像素数量。
9.一种电子设备,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1-4中任一项所述的方法。
10.一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1-4中任一项所述的方法。
11.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-4中任一项所述的方法。
CN202110726248.6A 2021-06-29 2021-06-29 用于输出信息的方法、装置、设备以及存储介质 Active CN113408633B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110726248.6A CN113408633B (zh) 2021-06-29 2021-06-29 用于输出信息的方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110726248.6A CN113408633B (zh) 2021-06-29 2021-06-29 用于输出信息的方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN113408633A CN113408633A (zh) 2021-09-17
CN113408633B true CN113408633B (zh) 2023-04-18

Family

ID=77680085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110726248.6A Active CN113408633B (zh) 2021-06-29 2021-06-29 用于输出信息的方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN113408633B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110889851A (zh) * 2018-09-11 2020-03-17 苹果公司 针对深度和视差估计的语义分割的稳健用途

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101685464B (zh) * 2009-06-18 2011-08-24 浙江大学 基于社群潜在主题挖掘的自动图像标注的方法
CN102880612B (zh) * 2011-07-14 2015-05-06 富士通株式会社 图像标注方法及其装置
CN102542067A (zh) * 2012-01-06 2012-07-04 上海交通大学 基于尺度学习和关联标号传播的自动图像语义标注方法
CN102663015B (zh) * 2012-03-21 2015-05-06 上海大学 基于特征袋模型和监督学习的视频语义标注方法
CN109934838B (zh) * 2019-02-28 2021-07-13 湖北亿咖通科技有限公司 一种基于超像素的图片语义分割标注方法及装置
CN109993082B (zh) * 2019-03-20 2021-11-05 上海理工大学 卷积神经网络道路场景分类与道路分割方法
CN110693486B (zh) * 2019-09-27 2022-06-14 武汉中旗生物医疗电子有限公司 一种心电图的异常标注方法及装置
CN111340825B (zh) * 2020-03-05 2023-05-09 上海市肺科医院(上海市职业病防治院) 一种纵膈淋巴结分割模型的生成方法及系统
CN111666983A (zh) * 2020-05-19 2020-09-15 华中科技大学鄂州工业技术研究院 标注异常行为的方法及装置
CN112487913A (zh) * 2020-11-24 2021-03-12 北京市地铁运营有限公司运营四分公司 一种基于神经网络的标注方法、装置及电子设备
CN112988727B (zh) * 2021-03-25 2022-09-16 北京百度网讯科技有限公司 数据标注方法、装置、设备、存储介质及计算机程序产品

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110889851A (zh) * 2018-09-11 2020-03-17 苹果公司 针对深度和视差估计的语义分割的稳健用途

Also Published As

Publication number Publication date
CN113408633A (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
CN112801164A (zh) 目标检测模型的训练方法、装置、设备及存储介质
CN113379813A (zh) 深度估计模型的训练方法、装置、电子设备及存储介质
CN114494784A (zh) 深度学习模型的训练方法、图像处理方法和对象识别方法
CN113362314B (zh) 医学图像识别方法、识别模型训练方法及装置
CN112749678A (zh) 模型训练、矿产预测方法、装置、设备以及存储介质
CN112861885A (zh) 图像识别方法、装置、电子设备及存储介质
CN116109824A (zh) 基于扩散模型的医学影像及像素级标注生成方法及装置
US20230134615A1 (en) Method of processing task, electronic device, and storage medium
CN113705362A (zh) 图像检测模型的训练方法、装置、电子设备及存储介质
CN113643260A (zh) 用于检测图像质量的方法、装置、设备、介质和产品
CN114266937A (zh) 模型训练、图像处理方法,装置,设备以及存储介质
US11881044B2 (en) Method and apparatus for processing image, device and storage medium
CN113837194A (zh) 图像处理方法、图像处理装置、电子设备以及存储介质
CN113963186A (zh) 目标检测模型的训练方法、目标检测方法及相关装置
CN113378958A (zh) 自动标注方法、装置、设备、存储介质及计算机程序产品
CN112990042A (zh) 图像标注审核方法、装置、设备、存储介质及程序产品
CN113408633B (zh) 用于输出信息的方法、装置、设备以及存储介质
CN114882313B (zh) 生成图像标注信息的方法、装置、电子设备及存储介质
CN116302218A (zh) 函数信息的添加方法、装置、设备以及存储介质
CN113592981B (zh) 图片标注方法、装置、电子设备和存储介质
CN113110782B (zh) 图像的识别方法、装置、计算机设备及存储介质
CN114445682A (zh) 训练模型的方法、装置、电子设备、存储介质及产品
CN113032251A (zh) 应用程序服务质量的确定方法、设备和存储介质
CN113378974A (zh) 用于输出信息的方法、装置、设备以及存储介质
CN113239889A (zh) 图像识别方法、装置、设备、存储介质以及计算机程序产品

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