CN117115570B - 一种基于Canvas的图像标注方法和系统 - Google Patents
一种基于Canvas的图像标注方法和系统 Download PDFInfo
- Publication number
- CN117115570B CN117115570B CN202311385532.7A CN202311385532A CN117115570B CN 117115570 B CN117115570 B CN 117115570B CN 202311385532 A CN202311385532 A CN 202311385532A CN 117115570 B CN117115570 B CN 117115570B
- Authority
- CN
- China
- Prior art keywords
- labeling
- image
- canvas
- coordinate
- coordinates
- 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
- 238000002372 labelling Methods 0.000 title claims abstract description 149
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000006243 chemical reaction Methods 0.000 claims abstract description 31
- 238000012549 training Methods 0.000 claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 238000013519 translation Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000012806 monitoring device Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于Canvas的图像标注方法和系统,涉及计算机视觉技术领域,所述方法包括:获取待标注图像;将所述待标注图像显示于画布中;监听鼠标事件,基于所述鼠标事件获取鼠标的转换坐标;获取标注方式,基于所述转换坐标和所述标注方式对所述待标注图像进行标注获得标注坐标、标注物和标注图像;将所述标注坐标、所述标注图像和所述标注坐标与所述标注物的对应关系进行存储获得图像集合,所述图像集合用于训练人工智能模型。可以解决因无法获得标注框相对于待标注图像的准确位置,从而导致训练数据有误差,质量低下的问题。
Description
技术领域
本发明涉及计算机视觉技术领域,具体地,涉及一种基于Canvas的图像标注方法和系统。
背景技术
目前,随着人工智能技术的高速发展,越来越多的计算机视觉系统如自动驾驶汽车系统、医学成像系统以及安全和监控系统等出现帮助人们解决问题,而人工智能训练数据是使计算机视觉系统能够识别、获取、表征和解释结果的主要先决条件,计算机视觉系统的输出取决于用于训练它的数据的质量,故构建优化好的训练数据是其中一个重要步骤,训练数据是指由高质量图像标注组成,正确执行的图像标注可以为计算机视觉系统提供可视化、理解和分类数据的眼睛,起着至关重要的作用。但目前通用的图像标注工具一般通过标注框进行标注,而在标注过程中用户对标注框或待标注图像进行移动、缩放或旋转等操作,导致坐标位置更改,无法获得标注框相对于待标注图像的准确位置,从而导致训练数据有误差,质量低下。
发明内容
为了解决无法获得标注框相对于待标注图像的准确位置,从而导致训练数据有误差,质量低下的问题,本发明提供了一种基于Canvas的图像标注方法,所述方法包括:获取待标注图像;将所述待标注图像显示于画布中;监听鼠标事件,基于所述鼠标事件获取鼠标的转换坐标;获取标注方式,基于所述转换坐标和所述标注方式对所述待标注图像进行标注获得标注坐标、标注物和标注图像;将所述标注坐标、所述标注图像和所述标注坐标与所述标注物的对应关系进行存储获得图像集合,所述图像集合用于训练人工智能模型。本方法获取待标注图像并将其显示在画布中,通过监听鼠标事件实时获取鼠标的转换坐标,再获取选定的标注方式,通过所述转换坐标和所述标注方式对待标注图像进行标注获得标注坐标、标注物和标注图像,将所述标注坐标、所述标注图像和所述标注坐标与所述标注物的对应关系进行存储获得图像集合,所述图像集合用于训练人工智能模型。所述转换坐标是指将鼠标在画布中的坐标转换为相对于待标注图像的坐标,从而实现在标注时获得标注框相对于待标注图像的准确位置,减小训练数据的误差,提高训练数据的质量。
为准确获得鼠标在画布中的转换坐标,本方法设置了一个基点,以基点为定点,计算鼠标的坐标与基点坐标的变化距离,从而在操作鼠标进行标注时获得标注框相对于待标注图像的准确位置。
进一步地,基于所述鼠标事件获取鼠标的转换坐标的具体步骤为:设置基点;基于所述鼠标事件和所述基点获得鼠标的原坐标,判断所述原坐标是否位于所述画布内,若是则将所述原坐标进行转换获得所述转换坐标。设置基点,基于所述鼠标事件获取鼠标的所述原坐标,所述原坐标是指鼠标在屏幕中的坐标,判断所述原坐标是否位于所述画布内,若是则基于所述基点将所述原坐标进行转换获得所述转换坐标。
在基于所述基点将所述原坐标进行转换获得所述转换坐标时,申请人发现在默认只有缩放情况下,将基点的坐标与鼠标在画布中的坐标相减,再除以缩放的倍数得到平均每一份变化的距离,再乘以倍数-1得到实际变化的距离,再加上鼠标在画布中的坐标即可获得待标注图像在缩放后鼠标相对于待标注图像的缩放坐标。再考虑加上平移的情况,将缩放坐标减去画布平移的距离即可获得待标注图像在缩放和平移后鼠标相对于待标注图像的转换坐标,所述画布平移的距离可通过监听鼠标事件获得,如平移时,获取鼠标点击画布时的坐标和鼠标抬起时的坐标,将其相减获得画布平移的距离。
进一步地,本方法基于转换公式将所述原坐标进行转换获得所述转换坐标,所述转换公式为:
;其中,Point为所述转换坐标,transformOrigin为所述基点的坐标,down为鼠标在所述画布中的坐标,scale为缩放位数, translate为所述画布相对于所述画布的原始位置移动的平移距离。
进一步地,基于所述转换坐标和所述标注方式对所述待标注图像进行标注获得标注坐标、标注物和标注图像的具体步骤为:监听鼠标事件,基于所述鼠标事件对所述待标注图像进行移动、缩放或显隐处理获得第一图像和第一坐标;基于所述转换公式和所述标注方式将所述第一坐标进行转换获得第二坐标;基于所述第二坐标对所述第一图像进行标注获得所述标注坐标,基于所述标注坐标获得所述标注物,基于所述标注物获得所述标注图像。通过监听鼠标事件获取用户对待标注图像的移动、缩放或显隐处理获得第一图像和鼠标在画布中的第一坐标,再通过所述转换公式和所述标注方式将所述第一坐标进行转换获得鼠标相对于所述第一图像的第二坐标,基于所述第二坐标对所述第一图像进行标注获得所述标注坐标,基于所述标注坐标获得所述标注物,标注完所有所述标注物后获得所述标注图像。
为了区分不同的标注物,以及标注物间的全同关系、全异关系、包含关系和交叉关系等,申请人增加了标注物的编号和逻辑标签。
进一步地所述方法还包括设置所述标注物的第一编号和所述标注物的逻辑标签,所述第一编号用于区分所述标注物,所述逻辑标签用于获取所述标注物的逻辑关系。
申请人发现某些待标注图像用于训练识别同一物体的不同阶段的人工智能模型,如物体A在一定时间内变为物体B,则需要识别物体A和物体B为同一物体,为了解决这一问题,申请人增加了待标注图像的图像序号,且将标注物的编号进行标注获得阶段序号,依据阶段编号将标注物进行归类,从而实现人工智能模型对同一物体不同阶段的识别。
进一步地,所述方法还包括设置所述标注图像的图像序号;获取所述标注图像中所述标注物的所述第一编号,将所述第一编号进行标注获得阶段序号,将所述阶段序号进行归类获得同物编号,将所述阶段序号、所述同物编号、所述同物编号与所述阶段序号的对应关系、所述第一编号与所述同物编号的对应关系和所述第一编号与所述图像序号的对应关系存储到所述图像集合。
申请人发现某些待标注图像用于训练识别物体结构的人工智能模型,如物体A由物体B和物体C组成,则需要识别物体A的结构是否由物体B和物体C组成,为了解决这一问题,申请人增加了标注物的组成标签,通过组成标签实现标注标注物的组成关系。
进一步地,所述方法还包括设置所述标注物的组成标签,所述组成标签包括父标签和子标签,所述组成标签用于获取所述标注物的组成关系。
申请人发现某些待标注图像用于训练识别物体出现顺序的人工智能模型,如物体A出现后物体B再出现,则需要识别物体A和物体B的出现顺序,为了解决这一问题,申请人设置了标注物间的标注顺序。
进一步地,当有多个所述标注物,所述方法还包括设置多个所述标注物之间的标注顺序,基于所述标注顺序对多个所述标注物依次进行标注。
申请人发现某些待标注图像用于训练识别物体类别的人工智能模型,为了解决这一问题,申请人增加了标注物的类别标签,用于区分标注物的类别。
进一步地,所述方法还包括设置所述标注物的类别标签,所述类别标签用于区分所述标注物的类别。
为实现上述发明目的,本发明还提供了一种基于Canvas的图像标注系统,所述系统包括:接收模块:用于接收待标注图像;监听模块:用于监听鼠标事件;显示模块:用于将所述待标注图像显示在画布中,对所述待标注图像进行标注获得标注坐标、标注物和标注图像;工具模块:用于选择标注工具标注所述待标注图像;标注模块:用于显示所述标注物的坐标和属性。接收模块接收待标注图像将其传送至显示模块,显示模块将待标注图像显示在画布中,获取用户在工具模块选择的标注工具,再通过监听模块监听鼠标事件操作标注工具对所述待标注图像进行标注获得标注坐标、标注物和标注图像,并将标注物的坐标和属性显示在标注模块。
本发明提供的一个或多个技术方案,至少具有如下技术效果或优点:
1.将鼠标在画布中的坐标通过转换公式获得相对于待标注图像的转换坐标,从而实现标注框相对于待标注图像的准确位置,减少训练数据的误差,提高质量。2.设置标注物的编号、阶段序号和同物编号,可实现待标注图像用于训练识别同一物体的不同阶段的人工智能模型。3.设置标注物的逻辑标签、组成标签和类别标签,可实现待标注图像用于训练识别物体的逻辑关系、组成关系和分类的人工智能模型。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本发明的一部分,并不构成对本发明实施例的限定;
图1是本发明中一种基于Canvas的图像标注方法的步骤示意图;
图2是本发明中一种基于Canvas的图像标注方法中鼠标的坐标转换的具体步骤示意图;
图3是本发明中一种基于Canvas的图像标注方法中获得标注坐标、标注物和标注图像的具体步骤示意图;
图4是本发明中一种基于Canvas的图像标注方法中标注物和标注图像的标签示意图;
图5是本发明中一种基于Canvas的图像标注系统的模块示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在相互不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述范围内的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
实施例1
参考图1、图2和图3,本实施例提供了一种基于Canvas的图像标注方法,所述方法包括:获取待标注图像,将所述待标注图像显示于画布中,设置基点,监听鼠标事件,基于所述鼠标事件获取鼠标的原坐标,判断所述原坐标是否位于所述画布内,若是则基于所述基点将所述原坐标通过所述转换公式进行转换获得所述转换坐标;获取用户选择的标注方式,监听鼠标事件,基于所述鼠标事件对所述待标注图像进行移动、缩放或显隐处理获得第一图像和鼠标在所述画布中的第一坐标,通过所述转换公式将所述第一坐标进行转换获得第二坐标,基于所述第二坐标和所述标注方式对所述第一图像进行标注获得标注坐标,所述标注坐标标注结束获得标注物,所述标注物标注结束获得标注图像;将所述标注坐标、所述标注图像和所述标注坐标与所述标注物的对应关系进行存储获得图像集合,所述图像集合用于训练人工智能模型。本实施例中,所述鼠标事件可以为鼠标点击、鼠标双击、鼠标滚动滚轮和鼠标按下左键或右键等,所述画布可以为Canvas画布、HTML画布或Tkinter画布等,所述标注方式可以为点、线、二维标注框、三维标注框、多边形和像素分割等,所述标注方式还可以设置参数,如线条颜色、粗细、线条类型或标注框的形状。
其中,举例说明所述原坐标通过所述转换公式进行转换获得所述转换坐标的步骤,假设画布的尺寸为10乘10,以画布左下角的坐标为(0,0),右上角的坐标为(10,10),设置基点的坐标为(5,5),鼠标在画布中的坐标为(2,8),放大所述待标注图像3倍,则带入所述转换公式,可得PointX为4,同理可得,下标x和y分别表示横坐标和纵坐标,即可获得在所述待标注图像放大3倍后鼠标相对于所述待标注图像的坐标为(4,6)。
其中,鼠标的所述原坐标减去画布边框距离屏幕边框的距离获得鼠标在画布中的坐标,如,鼠标的所述原坐标为(3,9),画布的左边框与屏幕的左边框的距离为1,则画布的上边框与屏幕的上边框的距离为1,则通过3-1=2和9-1=8获得鼠标在画布中的坐标为(2,8)。本实施例中,若画布为Canvas画布,则可通过CSS语言提供的offsetLeft和offsetTop属性获取画布左边框与屏幕左边框的距离和画布上边框与屏幕上边框的距离。但应注意的是,装载Canvas画布的容器及容器的父容器等,不能将自身的position属性设置为relative、absolute和fixed,若设置为以上属性,则通过offsetLeft和offsetTop属性获取的是画布距离容器或父容器的距离,导致鼠标在画布中的坐标错误,从而导致标注坐标的错误。如div标签为Canvas画布的容器,则div标签的position属性不能设置为relative、absolute和fixed。
实施例2
参考图4,在实施例一的基础上,本实施例中,所述方法还包括设置所述标注物的第一编号和所述标注物的逻辑标签,所述第一编号用于区分所述标注物,所述逻辑标签用于获取所述标注物的逻辑关系。如标注物A的第一编号为1,标注物B的第一编号为2,标注物A与标注物B为包含关系,则标注物A设置逻辑标签为包含标签,包含标签对应的值为2。本实施例中,所述逻辑标签还可以为全同标签、全异标签、被包含标签和交叉标签等。
实施例3
参考图4,在上述实施例的基础上,本实施例中,所述方法还包括设置所述标注图像的图像序号,获取所述标注图像中所述标注物的所述第一编号,将所述第一编号进行标注获得阶段序号,将所述阶段序号进行归类获得同物编号,将所述阶段序号、所述同物编号、所述同物编号与所述阶段序号的对应关系、所述第一编号与所述同物编号的对应关系和所述第一编号与所述图像序号的对应关系存储到所述图像集合。如若干有一定次序的连续的标注图像的图像序号分别为a、b、c…g等,标注图像a中的标注物C,其第一编号为3、标注图像b中的标注物C,其第一编号为4和标注图像d中标注物E,其第一编号为5,是同一物体在不同时间下的状态,则标注物C、标注物D和标注物E的阶段序号分别设置为#_1、#_2和#_3,根据阶段序号的前缀符号#将标注物C、标注物D和标注物E进行归类,获得同物编号#,将阶段序号#_1、阶段序号#_2和阶段序号#_3,同物编号#,同物编号#与阶段序号#_1、阶段序号#_2、阶段序号#_3的对应关系,第一编号3、第一编号4、第一编号5与同物编号#的对应关系和第一编号3、第一编号4、第一编号5与图像序号a、图像序号b、图像序号c的对应关系存储到所述图像集合。
实施例4
参考图4,在上述实施例的基础上,本实施例中,所述方法还包括设置所述标注物的组成标签,所述组成标签包括父标签和子标签,所述组成标签用于获取所述标注物的组成关系。如标注物X由标注物Y和标注物Z组成,则设置标注物Y和标注物Z的组成标签为子标签,子标签对应的值为标注物X的第一编号,标注物X的组成标签为父标签,父标签的值为标注物Y和标注物Z的第一编号。
实施例5
参考图4,在上述实施例的基础上,本实施例中,所述方法还包括设置多个所述标注物之间的标注顺序,基于所述标注顺序对多个所述标注物依次进行标注。如若干有一定次序的连续的标注图像h、i、j…l, 标注图像h中的标注物H,其第一编号为6、标注图像i中的标注物I,其第一编号为7和标注图像j中标注物J,其第一编号为8,为不同物体且在一定时间范围内按时间顺序出现的,则设置标注物H、标注物I和标注物J的顺序标签分别为&_1、&_2和&_3,可根据顺序标签的前缀符号&获得已设置顺序标签的标注物,根据后缀数字1、2和3获得标注物出现的先后顺序。
实施例6
参考图4,在上述实施例的基础上,本实施例中,所述方法还包括设置所述标注物的类别标签,所述类别标签用于区分所述标注物的类别。如标注物N和标注物M均为车,则设置标注物N和标注物M的类别标签为车。
实施例7
参考图5,本发明还提供了一种基于Canvas的图像标注系统,所述系统包括:接收模块:用于通过代码实现的自定义方法接收待标注图像;监听模块:用于通过代码实现的自定义方法监听鼠标事件;显示模块:用于将所述待标注图像显示在画布中,对所述待标注图像进行标注获得标注坐标、标注物和标注图像;工具模块:用于选择标注工具标注所述待标注图像;标注模块:用于显示所述标注物的坐标和属性。接收模块接收待标注图像将其传送至显示模块,显示模块将待标注图像显示在画布中,获取用户在工具模块选择的标注工具,再通过监听模块监听鼠标操作标注工具对所述待标注图像进行缩放、移动和标注等,同时将鼠标在画布中坐标转换为相对于所述待标注图像的转换坐标,通过转换坐标获得标注工具的坐标从而获得标注坐标、标注物和标注图像,并将标注物的坐标和属性显示在标注模块。本实施例中,代码实现的自定义方法可以为JAVA代码实现的自定义方法、Python代码实现的自定义方法或第三方库提供的组件,所述画布可以为Canvas画布、HTML画布或Tkinter画布等,所述标注工具可以为文本、点、线、二维标注框、三维标注框、多边形和像素分割等,所述标注工具还可以设置参数,如线条颜色、粗细、线条类型或标注框的形状,所述标注物的属性可以为标注物的标签、名称和历史标注记录等。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种基于Canvas的图像标注方法,其特征在于,所述方法包括:获取待标注图像;将所述待标注图像显示于画布中;监听鼠标事件;设置基点;基于所述鼠标事件和所述基点获得鼠标的原坐标,判断所述原坐标是否位于所述画布内,若是则将所述原坐标进行转换获得转换坐标;获取标注方式,基于所述转换坐标和所述标注方式对所述待标注图像进行标注获得标注坐标、标注物和标注图像;将所述标注坐标、所述标注图像和所述标注坐标与所述标注物的对应关系进行存储获得图像集合,所述图像集合用于训练人工智能模型;
本方法基于转换公式将所述原坐标进行转换获得所述转换坐标,所述转换公式为:
Point=(transformOrigin-down)/scale*(scale-1)+down-translate ;
其中,Point为所述转换坐标,transformOrigin为所述基点的坐标,down为鼠标在所述画布中的坐标,scale为缩放位数, translate为所述画布相对于所述画布的原始位置移动的平移距离;
所述方法还包括:设置所述标注物的第一编号和所述标注物的逻辑标签,所述第一编号用于区分所述标注物,所述逻辑标签用于获取所述标注物的逻辑关系;设置所述标注图像的图像序号;获取所述标注图像中所述标注物的所述第一编号,将所述第一编号进行标注获得阶段序号,将所述阶段序号进行归类获得同物编号,将所述阶段序号、所述同物编号、所述同物编号与所述阶段序号的对应关系、所述第一编号与所述同物编号的对应关系和所述第一编号与所述图像序号的对应关系存储到所述图像集合。
2.根据权利要求1所述的一种基于Canvas的图像标注方法,其特征在于,基于所述转换坐标和所述标注方式对所述待标注图像进行标注获得标注坐标、标注物和标注图像的具体步骤为:监听鼠标事件,基于所述鼠标事件对所述待标注图像进行移动、缩放或显隐处理获得第一图像和第一坐标;基于所述转换公式和所述标注方式将所述第一坐标进行转换获得第二坐标;基于所述第二坐标对所述第一图像进行标注获得所述标注坐标,基于所述标注坐标获得所述标注物,基于所述标注物获得所述标注图像。
3.根据权利要求1所述的一种基于Canvas的图像标注方法,其特征在于,所述方法还包括设置所述标注物的组成标签,所述组成标签包括父标签和子标签,所述组成标签用于获取所述标注物的组成关系。
4.根据权利要求1所述的一种基于Canvas的图像标注方法,其特征在于,当有多个所述标注物,所述方法还包括设置多个所述标注物之间的标注顺序,基于所述标注顺序对多个所述标注物依次进行标注。
5.根据权利要求1所述的一种基于Canvas的图像标注方法,其特征在于,所述方法还包括设置所述标注物的类别标签,所述类别标签用于区分所述标注物的类别。
6.一种基于Canvas的图像标注系统,其特征在于,所述系统包括:
接收模块:用于接收待标注图像;
监听模块:用于监听鼠标事件;
工具模块:用于设置基点和选择标注工具标注所述待标注图像;
显示模块:用于将所述待标注图像显示在画布中,基于所述鼠标事件和所述基点获得鼠标的原坐标,判断所述原坐标是否位于所述画布内,若是则将所述原坐标进行转换获得转换坐标;获取标注方式,基于所述转换坐标和所述标注方式对所述待标注图像进行标注获得标注坐标、标注物和标注图像,将所述标注坐标、所述标注图像和所述标注坐标与所述标注物的对应关系进行存储获得图像集合,所述图像集合用于训练人工智能模型;
标注模块:用于显示所述标注物的坐标和属性;
所述显示模块还包括:用于基于转换公式将所述原坐标进行转换获得所述转换坐标,所述转换公式为:
Point=(transformOrigin-down)/scale*(scale-1)+down-translate ;
其中,Point为所述转换坐标,transformOrigin为所述基点的坐标,down为鼠标在所述画布中的坐标,scale为缩放位数, translate为所述画布相对于所述画布的原始位置移动的平移距离;
所述标注模块还包括:用于设置所述标注物的第一编号和所述标注物的逻辑标签,所述第一编号用于区分所述标注物,所述逻辑标签用于获取所述标注物的逻辑关系;设置所述标注图像的图像序号;获取所述标注图像中所述标注物的所述第一编号,将所述第一编号进行标注获得阶段序号,将所述阶段序号进行归类获得同物编号,将所述阶段序号、所述同物编号、所述同物编号与所述阶段序号的对应关系、所述第一编号与所述同物编号的对应关系和所述第一编号与所述图像序号的对应关系存储到所述图像集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311385532.7A CN117115570B (zh) | 2023-10-25 | 2023-10-25 | 一种基于Canvas的图像标注方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311385532.7A CN117115570B (zh) | 2023-10-25 | 2023-10-25 | 一种基于Canvas的图像标注方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117115570A CN117115570A (zh) | 2023-11-24 |
CN117115570B true CN117115570B (zh) | 2023-12-29 |
Family
ID=88800657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311385532.7A Active CN117115570B (zh) | 2023-10-25 | 2023-10-25 | 一种基于Canvas的图像标注方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115570B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009135151A1 (en) * | 2008-05-02 | 2009-11-05 | Eyeic, Inc. | System for using image alignment to map objects across disparate images |
CN111367445A (zh) * | 2020-03-31 | 2020-07-03 | 中国建设银行股份有限公司 | 图像标注方法及装置 |
CN111860305A (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、装置、电子设备及存储介质 |
CN112346809A (zh) * | 2020-11-09 | 2021-02-09 | 深圳市安软科技股份有限公司 | 网页图像标注方法、装置、电子设备及存储介质 |
CN112967359A (zh) * | 2021-03-30 | 2021-06-15 | 深圳市优必选科技股份有限公司 | 数据标注方法、装置、终端设备及存储介质 |
CN115147662A (zh) * | 2022-07-27 | 2022-10-04 | 安徽易刚信息技术有限公司 | 一种自动标注数据集的方法及标注系统 |
CN115469954A (zh) * | 2022-09-20 | 2022-12-13 | 成都数之联科技股份有限公司 | 一种基于Canvas的图像标注方法及系统 |
CN115933949A (zh) * | 2022-11-30 | 2023-04-07 | 上海弘玑信息技术有限公司 | 一种坐标转换方法、装置、电子设备及存储介质 |
CN116052170A (zh) * | 2023-01-18 | 2023-05-02 | 京东方科技集团股份有限公司 | 一种图像标注方法、装置、电子设备及存储介质 |
-
2023
- 2023-10-25 CN CN202311385532.7A patent/CN117115570B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009135151A1 (en) * | 2008-05-02 | 2009-11-05 | Eyeic, Inc. | System for using image alignment to map objects across disparate images |
CN111367445A (zh) * | 2020-03-31 | 2020-07-03 | 中国建设银行股份有限公司 | 图像标注方法及装置 |
CN111860305A (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、装置、电子设备及存储介质 |
CN112346809A (zh) * | 2020-11-09 | 2021-02-09 | 深圳市安软科技股份有限公司 | 网页图像标注方法、装置、电子设备及存储介质 |
CN112967359A (zh) * | 2021-03-30 | 2021-06-15 | 深圳市优必选科技股份有限公司 | 数据标注方法、装置、终端设备及存储介质 |
CN115147662A (zh) * | 2022-07-27 | 2022-10-04 | 安徽易刚信息技术有限公司 | 一种自动标注数据集的方法及标注系统 |
CN115469954A (zh) * | 2022-09-20 | 2022-12-13 | 成都数之联科技股份有限公司 | 一种基于Canvas的图像标注方法及系统 |
CN115933949A (zh) * | 2022-11-30 | 2023-04-07 | 上海弘玑信息技术有限公司 | 一种坐标转换方法、装置、电子设备及存储介质 |
CN116052170A (zh) * | 2023-01-18 | 2023-05-02 | 京东方科技集团股份有限公司 | 一种图像标注方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117115570A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10748035B2 (en) | Visually aided active learning for training object detector | |
CN111160352B (zh) | 一种基于图像分割的工件金属表面文字识别方法及系统 | |
CN111932564B (zh) | 图片识别方法、装置、电子设备及计算机可读存储介质 | |
CN110647956B (zh) | 一种联合二维码识别的发票信息提取方法 | |
CN112380870A (zh) | 用户意图分析方法、装置、电子设备及计算机存储介质 | |
CN115810197A (zh) | 一种多模态电力表单识别方法及装置 | |
CN114155556B (zh) | 一种基于加入通道混洗模块的堆叠沙漏网络的人体姿态估计方法及系统 | |
CN117115570B (zh) | 一种基于Canvas的图像标注方法和系统 | |
EP4295267A1 (en) | Iterative training for text-image-layout transformer | |
CN112613367A (zh) | 票据信息文本框获取方法、系统、设备及存储介质 | |
CN109522892A (zh) | 神经网络辅助的文字图像信息标注方法 | |
CN113012134A (zh) | 一种多功能的医学影像数据标注系统 | |
CN114240734A (zh) | 图像数据增广方法、装置、电子设备及存储介质 | |
CN112950749B (zh) | 基于生成对抗网络的书法图片生成方法 | |
CN110909726A (zh) | 一种基于图像识别的书面文档互动系统和方法 | |
Agrawal et al. | Indian Commercial Truck License Plate Detection and Recognition for Weighbridge Automation | |
CN117557871B (zh) | 三维模型标注方法、装置、设备及存储介质 | |
CN113283248B (zh) | 散点图描述的自然语言自动生成方法及装置 | |
CN116259384B (zh) | 一种基于医疗健康网状信息处理系统 | |
Fennir et al. | Using GANs for Domain Adaptive High Resolution Synthetic Document Generation | |
WO2023246641A1 (zh) | 识别对象的方法、装置及存储介质 | |
CN114037774B (zh) | 颅脑横断面影像图片排序、传输方法及装置、存储介质 | |
CN116306575B (zh) | 文档解析方法、文档解析模型训练方法、装置和电子设备 | |
CN116152486A (zh) | 一种基于眼动仪点标注信息的医学数据图像标注方法 | |
CN113361576A (zh) | 图片标注方法和设备 |
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 |