CN113592981A - 图片标注方法、装置、电子设备和存储介质 - Google Patents
图片标注方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113592981A CN113592981A CN202110754718.XA CN202110754718A CN113592981A CN 113592981 A CN113592981 A CN 113592981A CN 202110754718 A CN202110754718 A CN 202110754718A CN 113592981 A CN113592981 A CN 113592981A
- Authority
- CN
- China
- Prior art keywords
- labeled
- content
- labeling
- annotation
- relationship
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/776—Validation; Performance evaluation
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/778—Active pattern-learning, e.g. online learning of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
- Editing Of Facsimile Originals (AREA)
- Document Processing Apparatus (AREA)
Abstract
本公开提供了一种图片标注方法、装置、电子设备和存储介质,涉及人工智能技术领域,尤其涉及计算机视觉、图像处理、数据标注技术领域。具体实现方案为:获取待标注图片上的标注内容;识别所述标注内容之间的关联关系,其中,所述关联关系包括串行关系和并行关系中的至少一种;根据所述标注内容和所述关联关系,对所述待标注图片进行分发标注。由此,能够识别标注内容之间的关联关系,其中,关联关系包括串行关系和并行关系中的至少一种,并根据标注内容和关联关系,对待标注图片进行分发标注,可综合考虑到标注内容和关联关系对图片分发标注的影响,有助于提高图片分发标注的准确性和可靠性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种图片标注方法、装置、电子设备、存储介质和计算机程序产品。
背景技术
目前,随着人工智能技术的发展,图片标注在无人车场景的障碍物标注、骨骼关键点标注等领域中得到了广泛应用,比如,无人车场景的障碍物标注中,可对无人车采集的图片的拍摄时间、标注框的类型、位置、遮挡、截断等属性进行标注。然而,现有技术中的图片标注方法不够灵活,导致图片标注效率较低。
发明内容
本公开提供了一种图片标注方法、装置、电子设备、存储介质和计算机程序产品。
根据本公开的一方面,提供了一种图片标注方法,包括:获取待标注图片上的标注内容;识别所述标注内容之间的关联关系,其中,所述关联关系包括串行关系和并行关系中的至少一种;根据所述标注内容和所述关联关系,对所述待标注图片进行分发标注。
根据本公开的另一方面,提供了一种图片标注装置,包括:获取模块,用于获取待标注图片上的标注内容;识别模块,用于识别所述标注内容之间的关联关系,其中,所述关联关系包括串行关系和并行关系中的至少一种;分发标注模块,用于根据所述标注内容和所述关联关系,对所述待标注图片进行分发标注。
根据本公开的另一方面,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图片标注方法。
根据本公开的另一方面,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,其中,所述计算机指令用于使所述计算机执行图片标注方法。
根据本公开的另一方面,提供了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图片标注方法。
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是根据本公开第一实施例的图片标注方法的流程示意图;
图2是根据本公开第二实施例的图片标注方法的流程示意图;
图3是根据本公开第三实施例的图片标注方法的流程示意图;
图4是根据本公开第四实施例的图片标注方法的流程示意图;
图5是根据本公开第五实施例的图片标注方法的流程示意图;
图6是根据本公开第六实施例的图片标注方法的流程示意图;
图7是根据本公开第一实施例的图片标注装置的框图;
图8是用来实现本公开实施例的图片标注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。
AI(Artificial Intelligence,人工智能)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。目前,AI技术具有自动化程度高、精确度高、成本低的优点,得到了广泛的应用。
计算机视觉(Computer Vision)是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。计算机视觉是一门综合性的学科,包括计算机科学和工程、信号处理、物理学、应用数学和统计学,神经生理学和认知科学等。
图像处理(Image Processing)是指用计算机对图像进行分析,以达到所需结果的技术。图像处理一般指数字图像处理,数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。图像处理技术一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。
数据标注(Data Annotation)是通过数据加工人员借助标记工具,对人工智能学习数据进行加工的一种行为,包括对文本、图像、语音、视频等待标注数据进行归类、整理、编辑、纠错、标记和批注等操作,为待标注数据增加标签,生产满足机器学习训练要求的机器可读数据编码。通常数据标注的类型包括:图像标注、语音标注、文本标注、视频标注等种类。标记的基本形式有标注画框、3D画框、文本转录、图像打点、目标物体轮廓线等。
图1是根据本公开第一实施例的图片标注方法的流程示意图。
如图1所示,本公开第一实施例的图片标注方法,包括:
S101,获取待标注图片上的标注内容。
需要说明的是,本公开实施例的图片标注方法的执行主体可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选地,执行主体可包括工作站、服务器,计算机、用户终端及其他智能设备。其中,用户终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。
本公开的实施例中,可获取待标注图片上的标注内容。
需要说明的是,本公开的实施例中,对标注内容的标注类别不做过多限定。
在一种实施方式中,标注内容的标注类别包括但不限于图片、元素位置、元素属性等。其中,元素包括但不限于点元素、线元素、区域元素、框元素等。
其中,标注类别为图片的标注内容包括但不限于图片是否清晰、图片的拍摄场景是否符合要求、图片是否可标、图片的拍摄时间为白天还是晚上等。
其中,标注类别为元素位置的标注内容包括但不限于在图片上打点、划线、划框、划区域等。
其中,标注类别为元素属性的标注内容包括但不限于待标记物体的车辆类型、所处车道的名称、区域元素是天空还是陆地等。
S102,识别标注内容之间的关联关系,其中,关联关系包括串行关系和并行关系中的至少一种。
本公开的实施例中,标注内容之间具有关联关系。其中,关联关系包括串行关系和并行关系中的至少一种。
例如,标注内容A、B、C、D分别为待标记物体的车辆类型、图片是否清晰、在图片上打点、在图片上划线,则可识别标注内容C和D之间的关联关系为并行关系,且标注内容A、B、C之间的关联关系为串行关系,串行关系中标注内容B的标注时间早于标注内容C的标注时间,标注内容C的标注时间早于标注内容A的标注时间。
在一种实施方式中,可预先建立标注内容和关联关系的映射关系或者映射表,在获取到标注内容之后,查询映射关系或者映射表,能够获取到对应的关联关系。比如,可预先设置在图片上打点、在图片上划线之间的关联关系为并行关系,并存储到上述映射关系或者映射表中。应说明的是,上述映射关系或者映射表均可根据实际情况进行设置,这里不做过多限定。
S103,根据标注内容和关联关系,对待标注图片进行分发标注。
本公开的实施例中,可根据标注内容和关联关系,对待标注图片进行分发标注,比如,根据标注内容和关联关系确定分发策略,按照分发策略对待标注图片进行分发标注。其中,分发策略可包括分发至的标注对象和标注对象需要标注的标注内容。标注对象可为标注员。
例如,标注内容A、B、C、D分别为待标记物体的车辆类型、图片是否清晰、在图片上打点、在图片上划线,标注内容C和D之间的关联关系为并行关系,且标注内容A、B、C之间的关联关系为串行关系,则可将待标注图片分发至标注对象1进行标注内容B的标注,待标注内容B标注完成,将携带有标注内容B的标注结果的待标注图片分发至标注对象2、3分别进行标注内容C、D的标注,待标注内容C、D标注完成,将携带有标注内容B、C、D的标注结果的待标注图片分发至标注对象4进行标注内容A的标注。
综上,根据本公开实施例的图片标注方法,能够识别标注内容之间的关联关系,其中,关联关系包括串行关系和并行关系中的至少一种,并根据标注内容和关联关系,对待标注图片进行分发标注。由此,可综合考虑到标注内容和关联关系对图片分发标注的影响,有助于提高图片分发标注的准确性和可靠性。
图2是根据本公开第二实施例的图片标注方法的流程示意图。
如图2所示,本公开第二实施例的图片标注方法,包括:
S201,获取待标注图片上的标注内容。
S202,识别标注内容之间的关联关系,其中,关联关系包括串行关系和并行关系中的至少一种。
步骤S201-S202的相关内容可参见上述实施例,这里不再赘述。
S203,响应于关联关系包括串行关系和并行关系。
S204,将待标注图片分发至多个第一标注对象进行多个第一标注内容的标注,多个第一标注内容之间的关联关系为并行关系。
S205,响应于每个第一标注内容标注完成,将携带有每个第一标注内容的标注结果的待标注图片分发至多个第二标注对象进行多个第二标注内容的标注,多个第二标注内容之间的关联关系为并行关系。其中,第一标注内容和第二标注内容之间的关联关系为串行关系,且第一标注内容的标注时间早于第二标注内容的标注时间。
本公开的实施例中,识别到的标注内容之间的关联关系包括串行关系和并行关系,标注内容包括多个第一标注内容和多个第二标注内容,第一标注内容和第二标注内容之间的关联关系为串行关系,且第一标注内容的标注时间早于第二标注内容的标注时间,多个第一标注内容之间的关联关系为并行关系,多个第二标注内容之间的关联关系为并行关系。
本公开的实施例中,可将待标注图片分发至多个第一标注对象进行多个第一标注内容的标注,即多个第一标注内容可实现并行标注,待每个第一标注内容标注完成,可将携带有每个第一标注内容的标注结果的待标注图片分发至多个第二标注对象进行多个第二标注内容的标注,即多个第二标注内容可实现并行标注,第一标注内容和第二标注内容可实现串行标注。
例如,若第一标注内容包括在图片上打点,在图片上划线,第二标注内容包括待标记物体的车辆类型,待标记物体所处车道的名称,则可将待标记图片分发至多个第一标注对象进行在图片上打点,在图片上划线的标注,待在图片上打点,在图片上划线的标注完成,可将携带有打点、划线标注结果的待标注图片分发至多个第二标注对象进行待标记物体的车辆类型,待标记物体所处车道的名称的标注。
综上,根据本公开实施例的图片标注方法,可响应于关联关系包括串行关系和并行关系,多个第一标注内容可实现并行标注,多个第二标注内容可实现并行标注,从而提高图片标注效率,第一标注内容和第二标注内容可实现串行标注,从而可在标注时间较晚的第二标注内容的标注过程中,校验标注时间较早的第一标注内容的标注结果,有助于提高图片标注质量。
图3是根据本公开第三实施例的图片标注方法的流程示意图。
如图3所示,本公开第三实施例的图片标注方法,包括:
S301,获取待标注图片上的标注内容。
S302,识别标注内容之间的关联关系,其中,关联关系包括串行关系和并行关系中的至少一种。
步骤S301-S302的相关内容可参见上述实施例,这里不再赘述。
S303,响应于关联关系仅包括串行关系。
S304,将待标注图片分发至第三标注对象进行第三标注内容的标注。
S305,响应于第三标注内容标注完成,将携带有第三标注内容的标注结果的待标注图片分发至第四标注对象进行第四标注内容的标注。其中,第三标注内容和第四标注内容之间的关联关系为串行关系,且第三标注内容的标注时间早于第四标注内容的标注时间。
本公开的实施例中,识别到的标注内容之间的关联关系仅包括串行关系,标注内容包括第三标注内容和第四标注内容,第三标注内容和第四标注内容之间的关联关系为串行关系,且第三标注内容的标注时间早于第四标注内容的标注时间。
本公开的实施例中,可将待标注图片分发至第三标注对象进行第三标注内容的标注,待第三标注内容标注完成,可将携带有第三标注内容的标注结果的待标注图片分发至第四标注对象进行第四标注内容的标注,即第三标注内容和第四标注内容可实现串行标注。
例如,若第三标注内容包括在图片上打点,第四标注内容包括待标记物体的车辆类型,则可将待标记图片分发至第三标注对象进行在图片上打点的标注,待在图片上打点的标注完成,可将携带有打点标注结果的待标注图片分发至第四标注对象进行待标记物体的车辆类型的标注。
综上,根据本公开实施例的图片标注方法,可响应于关联关系仅包括串行关系,第三标注内容和第四标注内容可实现串行标注,从而可在标注时间较晚的第四标注内容的标注过程中,校验标注时间较早的第三标注内容的标注结果,有助于提高图片标注质量。
图4是根据本公开第四实施例的图片标注方法的流程示意图。
如图4所示,本公开第四实施例的图片标注方法,包括:
S401,获取待标注图片上的标注内容。
S402,识别标注内容之间的关联关系,其中,关联关系包括串行关系和并行关系中的至少一种。
步骤S401-S402的相关内容可参见上述实施例,这里不再赘述。
S403,响应于关联关系仅包括并行关系。
S404,将待标注图片分发至多个第五标注对象进行多个第五标注内容的标注,多个第五标注内容之间的关联关系为并行关系。
本公开的实施例中,识别到的标注内容之间的关联关系仅包括并行关系,标注内容包括多个第五标注内容,多个第五标注内容之间的关联关系为并行关系。
本公开的实施例中,可将待标注图片分发至多个第五标注对象进行多个第五标注内容的标注,即多个第五标注内容可实现并行标注。
例如,若第五标注内容包括在图片上打点,在图片上划线,在图片上划区域,则可将待标记图片分发至多个第五标注对象进行在图片上打点,在图片上划线,在图片上划区域的标注。
综上,根据本公开实施例的图片标注方法,可响应于关联关系仅包括并行关系,多个第五标注内容可实现并行标注,从而提高图片标注效率。
图5是根据本公开第五实施例的图片标注方法的流程示意图。
如图5所示,本公开第五实施例的图片标注方法,包括:
S501,获取待标注图片上的标注内容。
步骤S501的相关内容可参见上述实施例,这里不再赘述。
S502,识别标注内容的标注类别。
在一种实施方式中,识别标注内容的标注类别,可包括从标注内容中提取关键词,基于关键词识别标注内容的标注类别。
例如,标注内容为图片是否清晰,可从中提取出关键词图片,并识别其标注类别为图片;标注内容为在图片上打点,可从中提取出关键词打点,并识别其标注类别为元素位置;标注内容为待标记物体的车辆类型,可从中提取出关键词车辆类型,并识别其标注类别为元素属性。
S503,基于标注内容的标注类别,识别标注内容之间的关联关系。
在一种实施方式中,可预先建立标注内容的标注类别和关联关系的映射关系或者映射表,在获取到标注内容的标注类别之后,查询映射关系或者映射表,能够获取到对应的关联关系。比如,可预先设置标注类别为在图片上打点、在图片上划线之间的关联关系为并行关系,并存储到上述映射关系或者映射表中。应说明的是,上述映射关系或者映射表均可根据实际情况进行设置,这里不做过多限定。
在一种实施方式中,基于标注内容的标注类别,识别标注内容之间的关联关系,可包括如下六种可能的实施方式:
方式1、响应于任意两个标注内容的标注类别均为元素位置,识别任意两个标注内容之间的关联关系为并行关系。
例如,标注内容A、B分别为在图片上打点、在图片上划线,标注内容A、B的标注类别均为元素位置,则可识别标注内容A、B之间的关联关系为并行关系。
方式2、响应于任意两个标注内容的标注类别均为元素属性,识别任意两个标注内容之间的关联关系为并行关系。
例如,标注内容A、B分别为待标记物体的车辆类型、待标记物体所处车道的名称,标注内容A、B的标注类别均为元素属性,则可识别标注内容A、B之间的关联关系为并行关系。
方式3、识别标注类别为元素位置的标注内容和标注类别为元素属性的标注内容之间的关联关系为串行关系。
例如,标注内容A、B分别为在图片上打点、待标记物体的车辆类型,标注内容A、B的标注类别分别为元素位置和元素属性,则可识别标注内容A、B之间的关联关系为串行关系。
方式4、响应于任意两个标注内容的标注类别均为图片,识别任意两个标注内容之间的关联关系为并行关系。
例如,标注内容A、B分别为图片是否清晰、图片的拍摄时间为白天还是晚上,标注内容A、B的标注类别均为图片,则可识别标注内容A、B之间的关联关系为并行关系。
方式5、识别标注类别为图片的标注内容和标注类别为元素位置的标注内容之间的关联关系为串行关系。
例如,标注内容A、B分别为图片是否清晰、在图片上划线,标注内容A、B的标注类别分别为图片和元素位置,则可识别标注内容A、B之间的关联关系为串行关系。
方式6、识别标注类别为图片的标注内容和标注类别为元素属性的标注内容之间的关联关系为串行关系。
例如,标注内容A、B分别为图片是否清晰、待标记物体的车辆类型,标注内容A、B的标注类别分别为图片和元素属性,则可识别标注内容A、B之间的关联关系为串行关系。
S504,根据标注内容和关联关系,对待标注图片进行分发标注。
步骤S504的相关内容可参见上述实施例,这里不再赘述。
综上,根据本公开实施例的图片标注方法,能够基于标注内容的标注类别,识别标注内容之间的关联关系,关联关系与标注内容的标注类别相匹配,使得关联关系更加准确灵活。
图6是根据本公开第六实施例的图片标注方法的流程示意图。
如图6所示,本公开第六实施例的图片标注方法,包括:
S601,获取待标注图片的源标注内容。
本公开的实施例中,源标注内容指的是未进行拆分的标注内容,源标注内容的标注类别可能为多个。比如,源标注内容Q包括在图片上打点、在图片上划线、待标记物体的车辆类型、所处车道的名称等,对应的标注类别包括元素位置、元素属性。
S602,将源标注内容进行拆分,以生成单类别的多个标注内容。
本公开的实施例中,可将源标注内容进行拆分,以生成单类别的多个标注内容,即拆分后的每个标注内容的标注类别数量为1。
例如,源标注内容Q包括在图片上打点、在图片上划线、待标记物体的车辆类型、所处车道的名称,则可将源标注内容Q拆分成标注内容A、B、C、D,标注内容A、B、C、D分别为在图片上打点、在图片上划线、待标记物体的车辆类型、待标记物体所处车道的名称。
S603,识别标注内容之间的关联关系,其中,关联关系包括串行关系和并行关系中的至少一种。
S604,根据标注内容和关联关系,对待标注图片进行分发标注。
步骤S603-S604的相关内容可参见上述实施例,这里不再赘述。
综上,根据本公开实施例的图片标注方法,可将源标注内容进行拆分,以生成单类别的多个标注内容,可实现标注内容的自动拆分,进而可对单类别的多个标注内容进行标注,降低了图片标注难度。
在上述任一实施例的基础上,根据标注内容和关联关系,对待标注图片进行分发标注,可包括根据标注内容从候选标注对象中筛选出与标注内容匹配的标注对象,并将待标注图片分发至标注对象进行标注,生成标注内容的标注结果。
例如,候选标注对象包括候选标注对象1至10,候选标注对象1至3对标注类别为图片的标注内容进行标注,候选标注对象4至7对标注类别为元素位置的标注内容进行标注,候选标注对象8至10对标注类别为元素属性的标注内容进行标注。则若标注内容的标注类别仅包括元素位置,则可将待标注图片分发至候选标注对象4至7中的至少一个进行元素位置的标注。
图7为根据本公开第一实施例的图片标注装置的框图。
如图7所示,本公开实施例的图片标注装置700,包括:获取模块701、识别模块702、分发标注模块703。
获取模块701,用于获取待标注图片上的标注内容;
识别模块702,用于识别所述标注内容之间的关联关系,其中,所述关联关系包括串行关系和并行关系中的至少一种;
分发标注模块703,用于根据所述标注内容和所述关联关系,对所述待标注图片进行分发标注。
在本公开的一个实施例中,所述关联关系包括串行关系和并行关系,所述分发标注模块703,还用于:将所述待标注图片分发至多个第一标注对象进行多个第一标注内容的标注,所述多个第一标注内容之间的关联关系为并行关系;响应于每个所述第一标注内容标注完成,将携带有每个所述第一标注内容的标注结果的所述待标注图片分发至多个第二标注对象进行多个第二标注内容的标注,所述多个第二标注内容之间的关联关系为并行关系;其中,所述第一标注内容和所述第二标注内容之间的关联关系为串行关系,且所述第一标注内容的标注时间早于所述第二标注内容的标注时间。
在本公开的一个实施例中,所述关联关系仅包括串行关系,所述分发标注模块703,还用于:将所述待标注图片分发至第三标注对象进行第三标注内容的标注;响应于所述第三标注内容标注完成,将携带有所述第三标注内容的标注结果的所述待标注图片分发至第四标注对象进行第四标注内容的标注;其中,所述第三标注内容和所述第四标注内容之间的关联关系为串行关系,且所述第三标注内容的标注时间早于所述第四标注内容的标注时间。
在本公开的一个实施例中,所述关联关系仅包括并行关系,所述分发标注模块703,还用于:将所述待标注图片分发至多个第五标注对象进行多个第五标注内容的标注,所述多个第五标注内容之间的关联关系为并行关系。
在本公开的一个实施例中,所述识别模块702,还用于:识别所述标注内容的标注类别;基于所述标注内容的标注类别,识别所述标注内容之间的关联关系。
在本公开的一个实施例中,所述识别模块702,还用于:响应于任意两个所述标注内容的标注类别均为元素位置,识别所述任意两个所述标注内容之间的关联关系为并行关系;或者,响应于任意两个所述标注内容的标注类别均为元素属性,识别所述任意两个所述标注内容之间的关联关系为并行关系;或者,识别所述标注类别为元素位置的所述标注内容和所述标注类别为元素属性的所述标注内容之间的关联关系为串行关系。
在本公开的一个实施例中,所述识别模块702,还用于:响应于任意两个所述标注内容的标注类别均为图片,识别所述任意两个所述标注内容之间的关联关系为并行关系;或者,识别所述标注类别为图片的所述标注内容和所述标注类别为元素位置的所述标注内容之间的关联关系为串行关系;或者,识别所述标注类别为图片的所述标注内容和所述标注类别为元素属性的所述标注内容之间的关联关系为串行关系。
在本公开的一个实施例中,所述获取模块701,还用于:获取所述待标注图片的源标注内容;将所述源标注内容进行拆分,以生成单类别的多个所述标注内容。
综上,本公开实施例的图片标注装置,能够识别标注内容之间的关联关系,其中,关联关系包括串行关系和并行关系中的至少一种,并根据标注内容和关联关系,对待标注图片进行分发标注。由此,可综合考虑到标注内容和关联关系对图片分发标注的影响,有助于提高图片分发标注的准确性和可靠性。
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8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。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8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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。
计算单元801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。计算单元801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计算单元、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。计算单元801执行上文所描述的各个方法和处理,例如图片标注方法。例如,在一些实施例中,图片标注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介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的图片标注方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图片标注方法。
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。这些程序代码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或控制器执行时使流程图和/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。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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)、光学储存设备、磁储存设备、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,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
根据本公开的实施例,本公开还提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序被处理器执行时实现本公开上述实施例所述的图片标注方法。
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,均应包含在本公开保护范围之内。
Claims (19)
1.一种图片标注方法,包括:
获取待标注图片上的标注内容;
识别所述标注内容之间的关联关系,其中,所述关联关系包括串行关系和并行关系中的至少一种;
根据所述标注内容和所述关联关系,对所述待标注图片进行分发标注。
2.根据权利要求1所述的方法,其中,所述关联关系包括串行关系和并行关系,所述根据所述标注内容和所述关联关系,对所述待标注图片进行分发标注,包括:
将所述待标注图片分发至多个第一标注对象进行多个第一标注内容的标注,所述多个第一标注内容之间的关联关系为并行关系;
响应于每个所述第一标注内容标注完成,将携带有每个所述第一标注内容的标注结果的所述待标注图片分发至多个第二标注对象进行多个第二标注内容的标注,所述多个第二标注内容之间的关联关系为并行关系;
其中,所述第一标注内容和所述第二标注内容之间的关联关系为串行关系,且所述第一标注内容的标注时间早于所述第二标注内容的标注时间。
3.根据权利要求1所述的方法,其中,所述关联关系仅包括串行关系,所述根据所述标注内容和所述关联关系,对所述待标注图片进行分发标注,包括:
将所述待标注图片分发至第三标注对象进行第三标注内容的标注;
响应于所述第三标注内容标注完成,将携带有所述第三标注内容的标注结果的所述待标注图片分发至第四标注对象进行第四标注内容的标注;
其中,所述第三标注内容和所述第四标注内容之间的关联关系为串行关系,且所述第三标注内容的标注时间早于所述第四标注内容的标注时间。
4.根据权利要求1所述的方法,其中,所述关联关系仅包括并行关系,所述根据所述标注内容和所述关联关系,对所述待标注图片进行分发标注,包括:
将所述待标注图片分发至多个第五标注对象进行多个第五标注内容的标注,所述多个第五标注内容之间的关联关系为并行关系。
5.根据权利要求1-4任一项所述的方法,其中,所述识别所述标注内容之间的关联关系,包括:
识别所述标注内容的标注类别;
基于所述标注内容的标注类别,识别所述标注内容之间的关联关系。
6.根据权利要求5所述的方法,其中,所述基于所述标注内容的标注类别,识别所述标注内容之间的关联关系,包括:
响应于任意两个所述标注内容的标注类别均为元素位置,识别所述任意两个所述标注内容之间的关联关系为并行关系;或者,
响应于任意两个所述标注内容的标注类别均为元素属性,识别所述任意两个所述标注内容之间的关联关系为并行关系;或者,
识别所述标注类别为元素位置的所述标注内容和所述标注类别为元素属性的所述标注内容之间的关联关系为串行关系。
7.根据权利要求6所述的方法,其中,所述方法还包括:
响应于任意两个所述标注内容的标注类别均为图片,识别所述任意两个所述标注内容之间的关联关系为并行关系;或者,
识别所述标注类别为图片的所述标注内容和所述标注类别为元素位置的所述标注内容之间的关联关系为串行关系;或者,
识别所述标注类别为图片的所述标注内容和所述标注类别为元素属性的所述标注内容之间的关联关系为串行关系。
8.根据权利要求1所述的方法,其中,所述获取待标注图片上的标注内容,包括:
获取所述待标注图片的源标注内容;
将所述源标注内容进行拆分,以生成单类别的多个所述标注内容。
9.一种图片标注装置,包括:
获取模块,用于获取待标注图片上的标注内容;
识别模块,用于识别所述标注内容之间的关联关系,其中,所述关联关系包括串行关系和并行关系中的至少一种;
分发标注模块,用于根据所述标注内容和所述关联关系,对所述待标注图片进行分发标注。
10.根据权利要求9所述的装置,其中,所述关联关系包括串行关系和并行关系,所述分发标注模块,还用于:
将所述待标注图片分发至多个第一标注对象进行多个第一标注内容的标注,所述多个第一标注内容之间的关联关系为并行关系;
响应于每个所述第一标注内容标注完成,将携带有每个所述第一标注内容的标注结果的所述待标注图片分发至多个第二标注对象进行多个第二标注内容的标注,所述多个第二标注内容之间的关联关系为并行关系;
其中,所述第一标注内容和所述第二标注内容之间的关联关系为串行关系,且所述第一标注内容的标注时间早于所述第二标注内容的标注时间。
11.根据权利要求9所述的装置,其中,所述关联关系仅包括串行关系,所述分发标注模块,还用于:
将所述待标注图片分发至第三标注对象进行第三标注内容的标注;
响应于所述第三标注内容标注完成,将携带有所述第三标注内容的标注结果的所述待标注图片分发至第四标注对象进行第四标注内容的标注;
其中,所述第三标注内容和所述第四标注内容之间的关联关系为串行关系,且所述第三标注内容的标注时间早于所述第四标注内容的标注时间。
12.根据权利要求9所述的装置,其中,所述关联关系仅包括并行关系,所述分发标注模块,还用于:
将所述待标注图片分发至多个第五标注对象进行多个第五标注内容的标注,所述多个第五标注内容之间的关联关系为并行关系。
13.根据权利要求9-12任一项所述的装置,其中,所述识别模块,还用于:
识别所述标注内容的标注类别;
基于所述标注内容的标注类别,识别所述标注内容之间的关联关系。
14.根据权利要求13所述的装置,其中,所述识别模块,还用于:
响应于任意两个所述标注内容的标注类别均为元素位置,识别所述任意两个所述标注内容之间的关联关系为并行关系;或者,
响应于任意两个所述标注内容的标注类别均为元素属性,识别所述任意两个所述标注内容之间的关联关系为并行关系;或者,
识别所述标注类别为元素位置的所述标注内容和所述标注类别为元素属性的所述标注内容之间的关联关系为串行关系。
15.根据权利要求14所述的装置,其中,所述识别模块,还用于:
响应于任意两个所述标注内容的标注类别均为图片,识别所述任意两个所述标注内容之间的关联关系为并行关系;或者,
识别所述标注类别为图片的所述标注内容和所述标注类别为元素位置的所述标注内容之间的关联关系为串行关系;或者,
识别所述标注类别为图片的所述标注内容和所述标注类别为元素属性的所述标注内容之间的关联关系为串行关系。
16.根据权利要求9所述的装置,其中,所述获取模块,还用于:
获取所述待标注图片的源标注内容;
将所述源标注内容进行拆分,以生成单类别的多个所述标注内容。
17.一种电子设备,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1-8中任一项所述的图片标注方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的图片标注方法。
19.一种计算机程序产品,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1-8中任一项所述的图片标注方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110754718.XA CN113592981B (zh) | 2021-07-01 | 2021-07-01 | 图片标注方法、装置、电子设备和存储介质 |
EP22182076.4A EP4083938A3 (en) | 2021-07-01 | 2022-06-30 | Method and apparatus for image annotation, electronic device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110754718.XA CN113592981B (zh) | 2021-07-01 | 2021-07-01 | 图片标注方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113592981A true CN113592981A (zh) | 2021-11-02 |
CN113592981B CN113592981B (zh) | 2022-10-11 |
Family
ID=78245710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110754718.XA Active CN113592981B (zh) | 2021-07-01 | 2021-07-01 | 图片标注方法、装置、电子设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
EP (1) | EP4083938A3 (zh) |
CN (1) | CN113592981B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116012493A (zh) * | 2022-12-30 | 2023-04-25 | 壹沓科技(上海)有限公司 | 图像标注方法、装置、存储介质、计算机设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108463814A (zh) * | 2015-12-17 | 2018-08-28 | 北京安宁福祉科技有限公司 | 一种医学图像标注方法及系统 |
CN110096480A (zh) * | 2019-03-28 | 2019-08-06 | 厦门快商通信息咨询有限公司 | 一种文本标注系统、方法及存储介质 |
CN110377743A (zh) * | 2019-07-25 | 2019-10-25 | 北京明略软件系统有限公司 | 一种文本标注方法及装置 |
CN111814431A (zh) * | 2020-06-15 | 2020-10-23 | 开易(北京)科技有限公司 | 一种复杂数据标注方法及装置 |
CN111860304A (zh) * | 2020-07-17 | 2020-10-30 | 北京百度网讯科技有限公司 | 一种图像标注方法、电子装置、设备及存储介质 |
US20200397346A1 (en) * | 2018-03-13 | 2020-12-24 | Omron Corporation | Annotation method, annotation device, storage medium, and identification system |
CN112256939A (zh) * | 2020-09-17 | 2021-01-22 | 青岛科技大学 | 一种针对化工领域的文本实体关系抽取方法 |
CN112269862A (zh) * | 2020-10-14 | 2021-01-26 | 北京百度网讯科技有限公司 | 文本角色标注方法、装置、电子设备和存储介质 |
CN112884303A (zh) * | 2021-02-02 | 2021-06-01 | 深圳市欢太科技有限公司 | 数据标注方法、装置、电子设备及计算机可读存储介质 |
-
2021
- 2021-07-01 CN CN202110754718.XA patent/CN113592981B/zh active Active
-
2022
- 2022-06-30 EP EP22182076.4A patent/EP4083938A3/en not_active Withdrawn
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108463814A (zh) * | 2015-12-17 | 2018-08-28 | 北京安宁福祉科技有限公司 | 一种医学图像标注方法及系统 |
US20200397346A1 (en) * | 2018-03-13 | 2020-12-24 | Omron Corporation | Annotation method, annotation device, storage medium, and identification system |
CN110096480A (zh) * | 2019-03-28 | 2019-08-06 | 厦门快商通信息咨询有限公司 | 一种文本标注系统、方法及存储介质 |
CN110377743A (zh) * | 2019-07-25 | 2019-10-25 | 北京明略软件系统有限公司 | 一种文本标注方法及装置 |
CN111814431A (zh) * | 2020-06-15 | 2020-10-23 | 开易(北京)科技有限公司 | 一种复杂数据标注方法及装置 |
CN111860304A (zh) * | 2020-07-17 | 2020-10-30 | 北京百度网讯科技有限公司 | 一种图像标注方法、电子装置、设备及存储介质 |
CN112256939A (zh) * | 2020-09-17 | 2021-01-22 | 青岛科技大学 | 一种针对化工领域的文本实体关系抽取方法 |
CN112269862A (zh) * | 2020-10-14 | 2021-01-26 | 北京百度网讯科技有限公司 | 文本角色标注方法、装置、电子设备和存储介质 |
CN112884303A (zh) * | 2021-02-02 | 2021-06-01 | 深圳市欢太科技有限公司 | 数据标注方法、装置、电子设备及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
SHENGHUA GAO ET AL: "Concurrent Single-Label Image Classification and Annotation via Efficient Multi-Layer Group Sparse Coding", 《IEEE TRANSACTIONS ON MULTIMEDIA》 * |
周杭驰: "基于深度学习的图像分类标注研究", 《中国优秀硕士学位论文全文数据库电子期刊 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116012493A (zh) * | 2022-12-30 | 2023-04-25 | 壹沓科技(上海)有限公司 | 图像标注方法、装置、存储介质、计算机设备 |
CN116012493B (zh) * | 2022-12-30 | 2024-05-24 | 壹沓科技(上海)有限公司 | 图像标注方法、装置、存储介质、计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
EP4083938A2 (en) | 2022-11-02 |
EP4083938A3 (en) | 2022-12-07 |
CN113592981B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113920307A (zh) | 模型的训练方法、装置、设备、存储介质及图像检测方法 | |
CN113360699B (zh) | 模型训练方法和装置、图像问答方法和装置 | |
JP7393472B2 (ja) | 陳列シーン認識方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
CN113657483A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
US20230045715A1 (en) | Text detection method, text recognition method and apparatus | |
US20220319141A1 (en) | Method for processing image, device and storage medium | |
CN113378835A (zh) | 标注模型训练、样本标注方法及相关装置 | |
CN113378958A (zh) | 自动标注方法、装置、设备、存储介质及计算机程序产品 | |
CN113592981B (zh) | 图片标注方法、装置、电子设备和存储介质 | |
CN113762109B (zh) | 一种文字定位模型的训练方法及文字定位方法 | |
EP3869398A2 (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 | |
CN113255501A (zh) | 生成表格识别模型的方法、设备、介质及程序产品 | |
US20220351495A1 (en) | Method for matching image feature point, electronic device and storage medium | |
CN114882313B (zh) | 生成图像标注信息的方法、装置、电子设备及存储介质 | |
CN113781653B (zh) | 对象模型生成方法、装置、电子设备及存储介质 | |
EP4047474A1 (en) | Method for annotating data, related apparatus and computer program product | |
US20220335737A1 (en) | Method and apparatus for image annotation, and storage medium | |
CN113420149A (zh) | 数据的标注方法和装置 | |
US20230119741A1 (en) | Picture annotation method, apparatus, electronic device, and storage medium | |
CN112597987B (zh) | 纸质数据数字化方法及装置、电子设备、存储介质 | |
CN112966606B (zh) | 图像识别方法、相关装置及计算机程序产品 | |
CN113554064A (zh) | 图片的标注方法、装置及电子设备 | |
CN113378974A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN114926484A (zh) | 点云数据的标注方法、装置、设备以及存储介质 |
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 |