CN114882313B - 生成图像标注信息的方法、装置、电子设备及存储介质 - Google Patents
生成图像标注信息的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114882313B CN114882313B CN202210534364.2A CN202210534364A CN114882313B CN 114882313 B CN114882313 B CN 114882313B CN 202210534364 A CN202210534364 A CN 202210534364A CN 114882313 B CN114882313 B CN 114882313B
- Authority
- CN
- China
- Prior art keywords
- grid
- pixels
- sample image
- image
- labeling
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000002372 labelling Methods 0.000 claims abstract description 96
- 238000012549 training Methods 0.000 claims abstract description 49
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract description 13
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000013136 deep learning model Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了生成图像标注信息的方法、装置、电子设备及存储介质,涉及计算机技术领域,尤其涉及自动驾驶、智能交通、计算机视觉和深度学习技术领域。具体实现方案为:获取用于训练目标模型的样本图像;对样本图像的原始像素进行网格划分,得到多个网格像素,其中,每个网格像素包括样本图像中多个相邻的原始像素;对样本图像进行标注,得到样本图像的以所述网格像素为单位的标注信息。从而,在不降低图像精度的前提下,优化图像的标注方法,降低标注数据的数据量,降低模型训练过程中的计算量,提高模型训练效果。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及计算机视觉和深度学习技术领域。
背景技术
计算机视觉的飞速发展离不开大量图像标注数据的支撑,对于计算机视觉领域的各类深度学习模型,样本图像的标注信息的质量在很大程度上影响模型的最终训练效果。
发明内容
本公开提供了生成图像标注信息的方法、装置、电子设备及存储介质。
根据本公开的第一方面,提供了一种生成图像标注信息的方法,方法包括:
获取用于训练目标模型的样本图像;
对所述样本图像的原始像素进行网格划分,得到多个网格像素,其中,每个网格像素包括所述样本图像中多个相邻的原始像素;
对所述样本图像进行标注,得到所述样本图像的以所述网格像素为单位的标注信息。
根据本公开的第二方面,提供了一种生成图像标注信息的装置,包括:
获取模块,用于获取用于训练目标模型的样本图像;
划分模块,用于对所述样本图像的原始像素进行网格划分,得到多个网格像素,其中,每个网格像素包括所述样本图像中多个相邻的原始像素;
标注模块,用于对所述样本图像进行标注,得到所述样本图像的以所述网格像素为单位的标注信息。
根据本公开的第三方面,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生成图像标注信息的方法。
根据本公开的第四方面,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,其中,所述计算机指令用于使所述计算机执行生成图像标注信息的方法。
根据本公开的第五方面,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生成图像标注信息的方法。
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为本公开实施例提供的生成图像标注信息的方法的一种流程示意图;
图2为本公开实施例提供的网格像素的第一种示意图;
图3为本公开实施例提供的图像标注的第一种示意图;
图4为本公开实施例提供的图像标注的第二种示意图;
图5(a)为本公开实施例提供的网格像素的第二种示意图,图5(b)为本公开实施例提供的网格像素的第三种示意图,图5(c)为本公开实施例提供的网格像素的第四种示意图;
图6是用来实现本公开实施例的生成图像标注信息的方法的装置的框图;
图7为本公开实施例提供的电子设备的框图。
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。
计算机视觉的飞速发展离不开大量图像标注数据的支撑,对于计算机视觉领域的各类深度学习模型,样本图像的标注信息的质量在很大程度上影响模型的最终训练效果。
现有的图像标注方式,包括不限于:矩形边界框标注、多边形边界框标注、线标注、关键点标注、三维长方体标注、语义分割标注(对图像中的每个像素点进行分类标注)等,对图像进行标注后,图像中的标注点、标注线、标注框或者其他形式的标注结果,均以单个像素为基本单位,从而,电子设备需要以像素为单位记录图像的标注信息,所要保存的标注信息数据量较大;相应的,在模型训练过程中,基于像素的标注信息进行损失值计算时,计算量也较大。
以像素为基本单位进行标注,对于大多数模型的训练来讲都存在精度过高的现象,会产生大量的、不必要的计算量。
相关技术中,在图像标注完成后,降低图像的精度,以减少标注像素的数目,进而减少模型训练中的计算量。
然而,降低图像精度的方式,存在一定的弊端,一方面需要经过滤波、缩减像素采样等算法流程进行精度降低,产生一部分计算量;另一方面,图像精度降低的过程是不可逆的,如果把精度降低后的图像输入模型进行训练,会导致模型无法感知图像细节,降低模型训练效果;或者额外保存原始的图像,作为模型的输入,但这样会产生额外的存储开销。
为了解决上述技术问题,本公开提供了一种生成图像标注信息的方法、装置、电子设备及存储介质。
本公开的一个实施例中,提供了一种生成图像标注信息的方法,方法包括:
获取用于训练目标模型的样本图像;
对所述样本图像的原始像素进行网格划分,得到多个网格像素,其中,每个网格像素包括所述样本图像中多个相邻的原始像素;
对所述样本图像进行标注,得到所述样本图像的以所述网格像素为单位的标注信息。
可见,本公开实施例中,对样本图像的原始像素进行网格划分,得到网格像素,以网格像素为单位对样本图像进行标注,替代原有的以单个像素为单位的标注方式,由于网格像素包含多个相邻的原始像素,因此能够大幅降低标注数据的数据量,从而降低模型训练过程中的计算量,提高模型训练效果。
并且,本公开实施例中,通过优化图像标注的方式来实现减少标注数据,因此不需要降低图像精度,即无需经过滤波、缩减像素采样等算法流程进行精度降低,更不会产生额外的存储开销。
下面对本公开实施例提供的生成图像标注信息的方法进行详细介绍。
参见图1,图1为本公开实施例提供的生成图像标注信息的方法的一种流程示意图,如图1所示,方法可以包括以下步骤:
S101:获取用于训练目标模型的样本图像。
本公开实施例中,为了训练目标模型,需要获取样本图像并进行图像标注。目标模型包括但不限于计算机视觉领域的目标检测模型、图片识别模型、语义分割模型等。
S102:对样本图像的原始像素进行网格划分,得到多个网格像素,其中,每个网格像素包括样本图像中多个相邻的原始像素。
本公开实施例中,为了减少样本图像整体的标注信息,可以将样本图像的原始像素划分为网格像素,每个网格像素包括样本图像中多个相邻的原始像素。也就是说,每个网格像素中,任意一个原始像素都与另外的至少一个原始像素相邻,其中,相邻的原始像素可以是横向相邻,也可以是纵向相邻。
作为一个示例,参见图2,图2为本公开实施例提供的网格像素的第一种示意图,如图2所示,每个小正方形表示一个像素,虚线框包含的4个小正方形组成一个网格像素,图中仅示出了两个网格像素,其余的网格像素按照相同的规则进行划分。
S103:对样本图像进行标注,得到样本图像的以网格像素为单位的标注信息。
本公开实施例中,可以采用人工方式或基于机器学习的智能标注方式,对样本图像进行标注。
具体标注方式包括但不限于:关键点标注、矩形框标注、多边形标注、线段标注、语义分割标注等。对于关键点标注、矩形框标注、多边形标注、线段标注和区域标注,对图像中的部分像素进行标注;而语义分割标注是将图像中像素进行归类的标注方式,也就是说,图像中的每一个像素点都具备标注信息,用于表征像素点的类型。
本公开实施例中,由于预先划分了网格像素,因此可以以网格像素为单位,存储样本图像的标注信息。
具体的,假设网格像素A包含原始像素a1,a2和a3,如果对样本图像进行标注后,原始像素a1,a2和/或a3被标注,则记录网格像素A被标注;如果原始像素a1,a2和a3均未被标注,则记录网格像素A未被标注。可见,以网格像素为单位的标注信息,减少了标注数据的数据量。
为了便于理解,下面举例说明,以多边形边界框标注为例,参见图3,图3为本公开实施例提供的图像标注的第一种示意图,如图3所示,对样本图像中目标物体进行标注,采用多边形标注出目标物体的边界框。若以原始像素为单位进行标注,则需要标注较多的像素点,保存较多的标注数据,这些标注数据是过剩,即精度过高,在模型训练过程中,需要将已标注的像素点的位置信息代入损失函数中进行计算,会产生大量的、非必要的计算量。
采用本公开提供的方法,保存以网格像素为单位的标注信息,大幅减少了标注数据,降低标注数据的精度,从而在模型训练过程中,将被标注网格像素的位置信息代入损失函数中进行计算,即可满足模型的训练需求,减少了模型训练中的非必要计算量,提高模型最终训练效果。
其中,被标注网格像素的位置信息可以用该网格像素包含的任一原始像素的位置信息进行替代。
为了便于理解,下面再举例说明,以语义分割标注为例,参见图4,图4为本公开实施例提供的图像标注的第二种示意图,如图4所示,样本图像包括人物和车辆,其他区域为背景区域,需要对样本图像进行语义分割标注,也就是说,将样本图像中各个像素点进行分类,人物区域的所有像素点为一类、车辆区域的所有像素点为另一类、背景区域的所有像素点分为一类。若以原始像素为单位进行标注,则需要保存大量的标注数据,这些标注数据是过剩,即精度过高,在模型训练过程中,需要将已标注的像素点的位置信息代入损失函数中进行计算,会产生大量的、非必要的计算量。
采用本公开提供的方法,保存以网格像素为单位的标注信息,大幅减少了标注数据,降低标注数据的精度,从而在模型训练过程中,将被标注网格像素的位置信息代入损失函数中进行计算,即可满足模型的训练需求,减少了模型训练中的非必要计算量,提高模型最终训练效果。
以上两个例子仅作为示例,应用本公开提供的生成图像标注信息的方法,进行其他类型的标注,例如矩形边界框标注、线标注、关键点标注、三维长方体标注等,均能达到降低标注数据精度、减少模型训练中非必要计算量的效果。
可见,本公开实施例中,对样本图像的原始像素进行网格划分,得到网格像素,以网格像素为单位对样本图像进行标注,替代原有的以单个像素为单位的标注方式,由于网格像素包含多个相邻的原始像素,因此能够大幅降低标注数据的数据量,从而降低模型训练过程中的计算量,提高模型训练效果。
并且,本公开实施例中,通过优化图像标注的方式来实现减少标注数据,因此不需要降低图像精度,即无需经过滤波、缩减像素采样等算法流程进行精度降低,更不会产生额外的存储开销。
本公开的一个实施例中,对样本图像的原始像素进行网格划分,得到多个网格像素的步骤,具体可以包括:
根据目标模型所需的图像标注精度,确定网格像素包含的原始像素的第一数目;其中,所述图像标注精度与所述第一数目成反比;根据所确定的第一数目,对样本图像的原始像素进行网格划分,得到多个网格像素。
具体的,不同的深度学习模型对样本图像的标注精度也有不同的需求,例如,对于目标检测模型,样本图像的标注精度要求较高;对于语义分割模型,样本图像的标注精度要求相对低一些。
因此可以根据目标模型所需的图像标注精度,确定网格像素包含的原始像素的第一数目。
其中,图像标注精度较高的情况下,可以设置网格像素包含的原始像素的第一数目较少,例如仅包含两个原始像素;图像标注精度较低的情况下,可以设置网格像素包含的原始像素的第一数目较多,例如包含4-9个原始像素。
可见,本公开实施例中,根据目标模型所需的图像标注精度,适应性调整网格像素包含的原始像素的数目,从而在满足目标模型的训练需求的前提下,尽可能的降低模型训练中的计算量。
在本公开的一个实施例中,对样本图像的原始像素进行网格划分,得到多个网格像素的步骤,具体可以包括:
根据样本图像中主体物体的类型,确定网格像素的形状类型;根据形状类型,对样本图像的原始像素进行网格划分,得到多个网格像素。
具体的,本公开实施例中,网格像素的形状类型可以多种。
作为一个示例,参见图5(a)-图5(c),图5(a)为本公开实施例提供的网格像素的第二种示意图,图5(b)为本公开实施例提供的网格像素的第三种示意图,图5(c)为本公开实施例提供的网格像素的第四种示意图。
对于样本图像中不同的主体物体,可以分别确定网格像素的形状类型,以尽可能的使划分成同一网格像素的多个原始像素具备相似特性,以保证标注信息的精准性。图2和图5(a)所示的网格像素的形状类型适用于大部分的样本图像,而对于较为特殊的主体物体,可以自适应选取合适的形状类型。例如,如果样本图像的主体是文本字体,可以选取图5(c)所示的长条形形状。图5(b)所示的倒“L”形的网格像素适用于锐利度较高的图像区域。
以上所示均作为示例,可以根据实际需求选取适合的网格像素形状,以尽可能的使划分成同一网格像素的多个原始像素具备相似特性,尽可能保证标注信息的精准性。
可见,本公开实施例中,根据样本图像中主体物体的类型,确定网格像素的形状类型,从而进一步优化图像标注的方法,提高标注信息的精准性,从而进一步提高模型训练效果。
本公开的一个实施例中,在获取样本图像之后,还可以根据样本图像中各个物体的分布,将样本图像划分为多个图像区域。
具体的,由于样本图像可能包含不同的物体,而不同物体所处的区域,所适用的网格像素的形状也可能不同。因此,可以根据样本图像中物体的分布,将样本图像划分为多个图像区域。
相应的,根据样本图像中主体物体的类型,确定网格像素的形状类型的步骤,具体包括:针对每个所述图像区域,根据该图像区域中主体物体的类型,确定该图像区域对应的网格像素的形状类型。根据形状类型,对样本图像的原始像素进行网格划分,得到多个网格像素的步骤,具体包括:针对每个图像区域,根据该图像区域对应的网格像素的形状类型,对该图像区域的原始像素进行网格划分,得到多个网格像素。
具体的,针对每个图像区域,根据图像区域中主体物体的类型,确定网格像素的形状类型,进而针对各个图像区域,进行不同的网格划分。
作为一个示例,样本图像中包含前景区域和背景区域,前景区域和背景区域的物体类型不同,前景区域适合规则正方形的网格像素、背景区域适合长条形的网格像素,则针对前景区域和背景区域,确定各自对应的网格像素的形状类型,进行后续的网格划分。
可见,本公开实施例中,考虑到样本图像中不同物体,对样本图像仅区域划分,针对每个图像区域确定合适的网格像素的形状类型,从而进一步优化图像标注的方法,尽可能减少网格像素的数目,提高标注信息的精准性,从而进一步提高模型训练效果。
本公开的一个实施例中,在确定样本图像的标注信息之后,即可根据样本图像,以及样本图像的标注信息,训练目标模型。
具体的,将样本图像输入目标模型,将样本图像的标注信息(被标注网格像素的位置信息)、模型的预测结果代入损失函数中计算,根据损失值迭代调整模型的参数。
可见,本公开实施例中,保存以网格像素为单位的标注信息,大幅减少了标注数据,降低标注数据的精度,在模型训练过程中,将被标注网格像素的位置信息代入损失函数中进行计算,即可满足模型的训练需求,减少了模型训练中的非必要计算量,提高模型最终训练效果。
参见图6,图6是用来实现本公开实施例的生成图像标注信息的方法的装置的框图,包括:
获取模块601,用于获取用于训练目标模型的样本图像;
划分模块602,用于对所述样本图像的原始像素进行网格划分,得到多个网格像素,其中,每个网格像素包括所述样本图像中多个相邻的原始像素;
标注模块603,用于对所述样本图像进行标注,得到所述样本图像的以所述网格像素为单位的标注信息。
可见,本公开实施例中,对样本图像的原始像素进行网格划分,得到网格像素,以网格像素为单位对样本图像进行标注,替代原有的以单个像素为单位的标注方式,由于网格像素包含多个相邻的原始像素,因此能够大幅降低标注数据的数据量,从而降低模型训练过程中的计算量,提高模型训练效果。
并且,本公开实施例中,通过优化图像标注的方式来实现减少标注数据,因此不需要降低图像精度,即无需经过滤波、缩减像素采样等算法流程进行精度降低,更不会产生额外的存储开销。
本公开的一个实施例中,划分模块602,具体可以用于:
根据所述目标模型所需的图像标注精度,确定所述网格像素包含的原始像素的第一数目;其中,所述图像标注精度与所述第一数目成反比;
根据所确定的第一数目,对所述样本图像的原始像素进行网格划分,得到多个网格像素。
可见,本公开实施例中,根据目标模型所需的图像标注精度,适应性调整网格像素包含的原始像素的数目,从而在满足目标模型的训练需求的前提下,尽可能的降低模型训练中的计算量。
本公开的一个实施例中,划分模块602,可以包括:
确定子模块,用于根据所述样本图像中主体物体的类型,确定所述网格像素的形状类型;
划分子模块,用于根据所述形状类型,对所述样本图像的原始像素进行网格划分,得到多个网格像素。
可见,本公开实施例中,根据样本图像中主体物体的类型,确定网格像素的形状类型,从而进一步优化图像标注的方法,提高标注信息的精准性,从而进一步提高模型训练效果。
本公开的一个实施例中,在图6所示装置基础上,还包括:
区域划分模块,用于根据所述样本图像中各个物体的分布,将所述样本图像划分为多个图像区域;
所述确定子模块,用于针对每个所述图像区域,根据该图像区域中主体物体的类型,确定该图像区域对应的网格像素的形状类型;
所述划分子模块,用于针对每个所述图像区域,根据该图像区域对应的网格像素的形状类型,对该图像区域的原始像素进行网格划分,得到多个网格像素。
可见,本公开实施例中,考虑到样本图像中不同物体,对样本图像仅区域划分,针对每个图像区域确定合适的网格像素的形状类型,从而进一步优化图像标注的方法,尽可能减少网格像素的数目,提高标注信息的精准性,从而进一步提高模型训练效果。
本公开的一个实施例中,还包括:
训练模块,用于根据所述样本图像,以及所述样本图像的标注信息,训练所述目标模型。
可见,本公开实施例中,保存以网格像素为单位的标注信息,大幅减少了标注数据,降低标注数据的精度,在模型训练过程中,将被标注网格像素的位置信息代入损失函数中进行计算,即可满足模型的训练需求,减少了模型训练中的非必要计算量,提高模型最终训练效果。
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。
本公开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生成图像标注信息的方法。
本公开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生成图像标注信息的方法。
本公开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生成图像标注信息的方法。
图7示出了可以用来实施本公开的实施例的示例电子设备700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7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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701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701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701执行上文所描述的各个方法和处理,例如生成图像标注信息的方法。例如,在一些实施例中,生成图像标注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介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的生成图像标注信息的方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行生成图像标注信息的方法。
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)、复杂可编程逻辑设备(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。
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 (10)
1.一种生成图像标注信息的方法,包括:
获取用于训练目标模型的样本图像;
对所述样本图像的原始像素进行网格划分,得到多个网格像素,其中,每个网格像素包括所述样本图像中多个相邻的原始像素;
对所述样本图像进行标注,得到所述样本图像的以所述网格像素为单位的标注信息;
对所述样本图像的原始像素进行网格划分,得到多个网格像素的步骤,包括:
根据所述样本图像中主体物体的类型,确定所述网格像素的形状类型;
根据所述形状类型,对所述样本图像的原始像素进行网格划分,得到多个网格像素;
所述方法还包括:
根据所述样本图像中各个物体的分布,将所述样本图像划分为多个图像区域;
所述根据样本图像中主体物体的类型,确定所述网格像素的形状类型的步骤,包括:
针对每个所述图像区域,根据该图像区域中主体物体的类型,确定该图像区域对应的网格像素的形状类型。
2.根据权利要求1所述的方法,其中,对所述样本图像的原始像素进行网格划分,得到多个网格像素的步骤,包括:
根据所述目标模型所需的图像标注精度,确定网格像素包含的原始像素的第一数目;其中,所述图像标注精度与所述第一数目成反比;
根据所确定的第一数目,对所述样本图像的原始像素进行网格划分,得到多个网格像素。
3.根据权利要求1所述的方法,还包括:
所述根据所述形状类型,对所述样本图像的原始像素进行网格划分,得到多个网格像素的步骤,包括:
针对每个所述图像区域,根据该图像区域对应的网格像素的形状类型,对该图像区域的原始像素进行网格划分,得到多个网格像素。
4.根据权利要求1所述的方法,还包括:
根据所述样本图像,以及所述样本图像的标注信息,训练所述目标模型。
5.一种生成图像标注信息的装置,包括:
获取模块,用于获取用于训练目标模型的样本图像;
划分模块,用于对所述样本图像的原始像素进行网格划分,得到多个网格像素,其中,每个网格像素包括所述样本图像中多个相邻的原始像素;
标注模块,用于对所述样本图像进行标注,得到所述样本图像的以所述网格像素为单位的标注信息;
所述划分模块,包括:
确定子模块,用于根据所述样本图像中主体物体的类型,确定所述网格像素的形状类型;
划分子模块,用于根据所述形状类型,对所述样本图像的原始像素进行网格划分,得到多个网格像素;
还包括:
区域划分模块,用于根据所述样本图像中各个物体的分布,将所述样本图像划分为多个图像区域;
所述确定子模块,用于针对每个所述图像区域,根据该图像区域中主体物体的类型,确定该图像区域对应的网格像素的形状类型。
6.根据权利要求5所述的装置,其中,所述划分模块,具体用于:
根据所述目标模型所需的图像标注精度,确定所述网格像素包含的原始像素的第一数目;其中,所述图像标注精度与所述第一数目成反比;
根据所确定的第一数目,对所述样本图像的原始像素进行网格划分,得到多个网格像素。
7.根据权利要求5所述的装置,还包括:
所述划分子模块,用于针对每个所述图像区域,根据该图像区域对应的网格像素的形状类型,对该图像区域的原始像素进行网格划分,得到多个网格像素。
8.根据权利要求5所述的装置,还包括:
训练模块,用于根据所述样本图像,以及所述样本图像的标注信息,训练所述目标模型。
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,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1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210534364.2A CN114882313B (zh) | 2022-05-17 | 2022-05-17 | 生成图像标注信息的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210534364.2A CN114882313B (zh) | 2022-05-17 | 2022-05-17 | 生成图像标注信息的方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114882313A CN114882313A (zh) | 2022-08-09 |
CN114882313B true CN114882313B (zh) | 2023-07-25 |
Family
ID=82676704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210534364.2A Active CN114882313B (zh) | 2022-05-17 | 2022-05-17 | 生成图像标注信息的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114882313B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115375847B (zh) * | 2022-08-25 | 2023-08-29 | 北京百度网讯科技有限公司 | 材质恢复方法、三维模型的生成方法和模型的训练方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829446A (zh) * | 2019-03-06 | 2019-05-31 | 百度在线网络技术(北京)有限公司 | 眼底图像识别方法、装置、电子设备及存储介质 |
CN110414448A (zh) * | 2019-07-31 | 2019-11-05 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN112101355A (zh) * | 2020-09-25 | 2020-12-18 | 北京百度网讯科技有限公司 | 图像中文本检测方法、装置、电子设备以及计算机介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886513A (zh) * | 2016-09-29 | 2018-04-06 | 法乐第(北京)网络科技有限公司 | 一种确定训练样本的装置 |
CN107886512A (zh) * | 2016-09-29 | 2018-04-06 | 法乐第(北京)网络科技有限公司 | 一种确定训练样本的方法 |
CN112364898B (zh) * | 2020-10-27 | 2024-01-19 | 星火科技技术(深圳)有限责任公司 | 图像识别自动标注方法、装置、设备及存储介质 |
CN112734775B (zh) * | 2021-01-19 | 2023-07-07 | 腾讯科技(深圳)有限公司 | 图像标注、图像语义分割、模型训练方法及装置 |
CN114463544A (zh) * | 2022-01-27 | 2022-05-10 | 南京甄视智能科技有限公司 | 一种不规则物体语义分割快速标注方法 |
-
2022
- 2022-05-17 CN CN202210534364.2A patent/CN114882313B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829446A (zh) * | 2019-03-06 | 2019-05-31 | 百度在线网络技术(北京)有限公司 | 眼底图像识别方法、装置、电子设备及存储介质 |
CN110414448A (zh) * | 2019-07-31 | 2019-11-05 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN112101355A (zh) * | 2020-09-25 | 2020-12-18 | 北京百度网讯科技有限公司 | 图像中文本检测方法、装置、电子设备以及计算机介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114882313A (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114066900A (zh) | 图像分割方法、装置、电子设备和存储介质 | |
US11861919B2 (en) | Text recognition method and device, and electronic device | |
EP3876197A2 (en) | Portrait extracting method and apparatus, electronic device and storage medium | |
CN112785493B (zh) | 模型的训练方法、风格迁移方法、装置、设备及存储介质 | |
CN112989970A (zh) | 文档版面分析方法、装置、电子设备及可读存储介质 | |
CN113657483A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
EP4123595A2 (en) | Method and apparatus of rectifying text image, training method and apparatus, electronic device, and medium | |
CN113378958A (zh) | 自动标注方法、装置、设备、存储介质及计算机程序产品 | |
CN113902696A (zh) | 图像处理方法、装置、电子设备和介质 | |
CN113762109B (zh) | 一种文字定位模型的训练方法及文字定位方法 | |
CN114882313B (zh) | 生成图像标注信息的方法、装置、电子设备及存储介质 | |
EP3869398A2 (en) | Method and apparatus for processing image, device and storage medium | |
CN114445682A (zh) | 训练模型的方法、装置、电子设备、存储介质及产品 | |
CN113379750A (zh) | 语义分割模型的半监督学习方法、相关装置及产品 | |
CN117746125A (zh) | 图像处理模型的训练方法、装置及电子设备 | |
CN116259064B (zh) | 表格结构识别方法、表格结构识别模型的训练方法及装置 | |
CN113344213A (zh) | 知识蒸馏方法、装置、电子设备及计算机可读存储介质 | |
CN113326766A (zh) | 文本检测模型的训练方法及装置、文本检测方法及装置 | |
CN113592981B (zh) | 图片标注方法、装置、电子设备和存储介质 | |
CN113139463B (zh) | 用于训练模型的方法、装置、设备、介质和程序产品 | |
CN115019321A (zh) | 一种文本识别、模型训练方法、装置、设备及存储介质 | |
CN115272705A (zh) | 显著性物体检测模型的训练方法、装置以及设备 | |
CN113947146A (zh) | 样本数据生成方法、模型训练方法、图像检测方法及装置 | |
CN114445668A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN112801082B (zh) | 图像的采样方法、装置及电子设备 |
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 |