[发明专利]一种精准无损标注图像实例的分布式方法及系统

权利要求书

1.一种精准无损标注图像实例的分布式方法，其特征在于：该方法包括以下步骤：

步骤1：根据当前待标注的全体数据集状态，以及某特定标注人员的历史工作绩效，自动计算本次给某特定标注人员分发的标注任务的工作量，依据计算出的工作量从标注总数据库中自动抽取产生本次分发给该特定标注人员的待标注图像集，将其副本添加安全校验信息后打包，作为本次分发给该特定标注人员的标注任务，并进行分布式分发；

步骤2：在待标注图像的副本上进行逐像素的实例轮廓描绘，暂存表达实例轮廓的像素点坐标信息，形成轮廓坐标序列；

步骤3：依据经步骤2描绘所形成的平滑且封闭的实例轮廓进行自动填充形成实例掩膜，自动暂存该实例掩膜所涉及的像素点坐标簇形成实例掩膜坐标簇；

步骤4：保存与待标注图像原始信息关联后的标注成果，含实例轮廓坐标及实例掩膜坐标；本次标注任务完成后，将本次分发标注任务的标注成果回传给标注总数据库；

步骤5：依据步骤4中所保存的分发标注任务的标注成果，与标注总数据库中的信息进行比对，判断某一幅标注图像是否存在多名标注人员的交叉标注，若存在交叉标注，自动筛选合并得到该幅图像的最优标注成果，并保存更新标注总数据库；反之则直接将步骤4中所保存的标注成果直接保存至标注总数据库。

2.根据权利要求1所述的精准无损标注图像实例的分布式方法，其特征在于：所述步骤1还将进行标注任务分发，在进行标注任务分发时需根据当前待标注的全体数据集状态，以及某特定标注人员的历史工作绩效综合考虑计算本次给某特定标注人员分发的标注任务的工作量；工作量的计算采用Select*算法，具体步骤如下：

步骤11：获取当前标注任务全体数据集的状态信息；

步骤12：依据步骤11中的数据，根据历史工作绩效计算分发工作量；

步骤13：根据步骤12所确定的工作量，从原始全体数据集的已标注图片子集和待标注图片子集中按比例抽取组合形成当次标注任务分发的子数据集；

步骤14：根据步骤13得到的子数据集，形成待标注图像集，制作副本，添加安全校验信息，并进行分发；

其中，当前应分发的工作量的计算可用下述公式表示：

上式中，Smin和Smax分别表示本次工作量分发的下限和上限，由系统在此区间随机抽取一整数值作为本次应分发的工作量；TD_i、C_i、AIm_i、AIn_i、APi_i皆表达本次申请任务的标注人员的历史工作绩效参数，依次表示历次分发任务难度系数、任务完成度系数、平均图片标注时间系数、平均实例标注时间系数、以及平均像素标注时间系数；N表示该标注人员接受标注任务的总次数，NU为数据集中未标注图片数量、NL为标注次数在(0、L_max)之间的图片数量，其中Lmax为超参数，设置为5；Min()和Max()操作分别为在参数列表中取最小值和最大值。

3.根据权利要求1中所述的精准无损标注图像实例的分布式方法，其特征在于：所述步骤2中所述的逐像素的实例轮廓描绘通过以下方式进行：

1)由标注人员在待标注图像副本上以逐像素点击的方式指明某实例轮廓的所有轮廓点，并由计算机自动地记录这些轮廓点的坐标，最终所获得的坐标序列用于表达某实例的完整轮廓；

2)由标注人员在待标注图像副本上以像素点击的方式仅指明某实例轮廓的关键轮廓点，由计算机自动地补全这些关键轮廓点之间的轮廓点，并记录所有获得的轮廓点坐标，用于表达某实例的完整轮廓。

4.根据权利要求1中所述的精准无损标注图像实例的分布式方法，其特征在于：所述步骤3中实例掩膜坐标簇通过以下步骤形成：

1)选定某实例轮廓包围面积中任一坐标点作为起点；

2)以该点坐标为原点，以实例轮廓坐标为边界，遍历获取所有该实例轮廓包围面积中的像素点坐标，并将其标识为该实例的掩膜。

5.根据权利要求1中所述的精准无损标注图像实例的分布式方法，其特征在于：所述步骤5中进行最优标注成果的汇总与标注总数据库的更新通过LabelAggregation算法实现，具体步骤如下：

步骤51：抽取当前标注成果，形成标注成果集L_i，开始对其进行遍历；

步骤52：搜索标注总数据库，若标注总数据库中已存在标注成果集D_i，则L_i与D_i求交集InS，并将InS写入D_i记录，以保存最优标注成果；若搜索返回值为空，表示当前索引的图片样本在标注总数据库中无记录，即尚未被标注，直接将L_i写入标注总数据库；

其中，最优标注成果包括最优轮廓标注及最优掩膜标注，两者皆可能来自不同的标注人员；标注成果集D_i为指其它标注人员对同一待标注图像的子集副本进行标注后所反馈的成果集合。