图像标注处理方法、装置、计算机设备及可读存储介质与流程

本申请实施例涉及人工智能，具体涉及一种图像标注处理方法、装置及计算机可读存储介质。

背景技术：

1、随着人工智能和机器学习技术的快速发展，越来越多的领域中用到人工智能和机器学习技术，计算机视觉作为人工智能的一个领域也得到了快速发展。为了提高模型的性能，通常需要一定的数据标注对模型进行训练，例如，为了让模型学习对手持物体检测，通常需要标注图手持物体图像中的手持物体。

2、一般来说数据标是通过人工完成的，现有技术中，为了提高数据标注效率，采用自动标注算法来对数据进行标注。

3、但是，本申请发明人在实际研发过程中发现：由于现有自动标注算法需要依赖一定数量的人工标注数据，现有自动标注算法需要相对大量的人工标注进行训练后才能准确地实现数据标注；当场景出现变化时为了使得自动标注算法能适应新场景，又需要相对大量的人工标注数据对自动标注算法进行微调或重新训练。可见，现有自动标注算法，需要依赖人工标注数据量相对较高，导致图像标注效率相对较低。

技术实现思路

1、本申请实施例提供一种图像标注处理方法、装置、计算机设备及计算机可读存储介质，能够在降低人工标注数据量的基础上实现图像自动标注，提高图像标注效率。

2、第一方面，本申请实施例提供一种图像标注处理方法，所述方法包括：

3、获取支撑数据集和查询数据集，其中，所述支撑数据集包括至少一个支撑样本图像和所述支撑样本图像的物体边界标注，所述查询数据集包括多个查询样本图像；

4、基于所述物体边界标注，对所述支撑样本图像的物体区域特征与所述查询样本图像的图像特征进行匹配，得到所述查询样本图像的特征相关度；

5、基于所述特征相关度进行预测，得到所述查询样本图像中物体的中心点预测标注；

6、基于所述中心点预测标注，获取所述查询样本图像中物体中心点分布的第一标注概率图；

7、基于所述第一标注概率图和所述查询样本图像，对预设中心点检测器进行训练得到已训练中心点检测器，其中，所述已训练中心点检测器用于对待标注样本图像进行物体的中心点标注。

8、第二方面，本申请实施例提供一种图像标注处理装置，所述图像标注处理装置包括：

9、获取单元，用于获取支撑数据集和查询数据集，其中，所述支撑数据集包括至少一个支撑样本图像和所述支撑样本图像的物体边界标注，所述查询数据集包括多个查询样本图像；

10、匹配单元，用于基于所述物体边界标注，对所述支撑样本图像的物体区域特征与所述查询样本图像的图像特征进行匹配，得到所述查询样本图像的特征相关度；

11、预测单元，用于基于所述特征相关度进行预测，得到所述查询样本图像中物体的中心点预测标注；

12、处理单元，用于基于所述中心点预测标注，获取所述查询样本图像中物体中心点分布的第一标注概率图；

13、所述处理单元，还用于基于所述第一标注概率图和所述查询样本图像，对预设中心点检测器进行训练得到已训练中心点检测器，其中，所述已训练中心点检测器用于对待标注样本图像进行物体的中心点标注。

14、第三方面，本申请实施例还提供一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行本申请实施例提供的任一种图像标注处理方法。

15、第四方面，本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的图像标注处理方法。

16、第五方面，本申请实施例还提供一种计算机程序产品，包括计算机程序或指令，所述计算机程序或指令被处理器执行时实现本发明实施例所提供的任一种图像标注处理方法。

17、从以上内容可得出，本申请实施例具有以下的有益效果：

18、本申请实施例通过支撑样本图像的物体边界标注，对支撑样本图像的物体区域特征与查询样本图像的图像特征进行匹配，得到查询样本图像的特征相关度，用于预测查询样本图像中物体的中心点预测标注；从而可以利用查询样本图像中物体的中心点预测标注对预设中心点检测器进行训练得到已训练中心点检测器；一方面，由于对支撑样本图像的物体区域特征与查询样本图像的图像特征进行匹配，可以预测出查询样本图像中物体的中心点预测标注，从而可以利用小部分人工标注的支撑样本图像预测标注出一部分查询样本图像的中心点位置，即实现自动标注出自动标注算法所需依赖的一定数量的人工标注数据，因此只需小部分人工标注数据(即少量的支撑样本图像)就可以生成一定规模的图像标注数据，实现自动标注算法所需依赖的图像标注数据的扩充；故而当场景出现变化时无需反复人工标注较大数据量的图像。另一方面，由于通过特征匹配方式可以扩充图像标注数据(即实现一定规模数量的查询样本图像的标注)，因此利用查询样本图像对预设中心点检测器进行训练，可以提高已训练中心点检测器进行物体的中心点位置标注的准确度。由此，本实施例可以在降低人工标注数据量的基础上实现图像自动标注，提高图像标注效率。

技术特征：

1.一种图像标注处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的图像标注处理方法，其特征在于，所述基于所述特征相关度进行预测，得到所述查询样本图像中物体的中心点预测标注，包括：

3.根据权利要求2所述的图像标注处理方法，其特征在于，所述方法还包括：

4.根据权利要求3所述的图像标注处理方法，其特征在于，所述通过所述已训练中心点检测器对所述待标注样本图像进行预测，得到所述待标注样本图像中物体中心点的标注坐标，包括：

5.根据权利要求3所述的图像标注处理方法，其特征在于，所述通过所述已训练中心点检测器对所述待标注样本图像进行预测，得到所述待标注样本图像中物体中心点的标注坐标，包括：

6.根据权利要求1所述的图像标注处理方法，其特征在于，所述支撑数据集包括第一支撑样本图像和第二支撑样本图像，所述基于所述物体边界标注，对所述支撑样本图像的物体区域特征与所述查询样本图像的图像特征进行匹配，得到所述查询样本图像的特征相关度，包括：

7.根据权利要求6所述的图像标注处理方法，其特征在于，所述物体为手持物体，所述基于所述查询样本图像进行特征提取，得到所述查询样本图像的图像特征，包括：

8.根据权利要求1所述的图像标注处理方法，其特征在于，所述基于所述第一标注概率图和所述查询样本图像，对预设中心点检测器进行训练得到已训练中心点检测器，包括：

9.根据权利要求8所述的图像标注处理方法，其特征在于，所述通过预设中心点检测器，对所述查询样本图像进行预测，得到所述查询样本图像中物体中心点分布的第一预测概率图，包括：

10.根据权利要求8所述的图像标注处理方法，其特征在于，所述基于所述第一损失值对所述预设中心点检测器进行训练得到已训练中心点检测器，包括：

11.根据权利要求1-10任一项所述的图像标注处理方法，其特征在于，所述基于所述中心点预测标注，获取所述查询样本图像中物体中心点分布的第一标注概率图，包括：

12.一种图像标注处理装置，其特征在于，所述图像标注处理装置包括：

13.一种计算机设备，其特征在于，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1-11任一项所述的图像标注处理方法。

14.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-11任一项所述方法。

15.一种计算机程序产品，包括计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行时实现如权利要求1至11中任一项所述的图像标注处理方法。

技术总结本申请实施例公开了一种图像标注处理方法、装置、计算机设备及可读存储介质，可以获取包括支撑样本图像的支撑数据集和包括查询样本图像的查询数据集；基于支撑样本图像的物体边界标注，对支撑样本图像与查询样本图像进行特征匹配得到查询样本图像的特征相关度，用于预测得到查询样本图像中物体的中心点预测标注；基于中心点预测标注获取查询样本图像物体中心点分布的第一标注概率图；基于第一标注概率图和查询样本图像，对预设中心点检测器进行训练得到已训练中心点检测器，用于对图像进行物体的中心点标注。本申请实施例可应用于云技术、人工智能等各种场景。该方案能够在降低人工标注数据量的基础上实现图像自动标注，提高图像标注效率。技术研发人员：黄钟毅受保护的技术使用者：腾讯科技（深圳）有限公司技术研发日：技术公布日：2024/9/12