[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

说明书

本发明公开了一种精准无损标注图像实例的分布式方法及分布式系统，该方法实现了像素级精准标定图像实例轮廓，并在此基础上自动生成目标实例掩膜，相较于传统的边界框标定方式，更为精准；同时，该方法不受限于标注目标的属性，如必须是规则的人体、物体等；因此，在应对拥挤、遮挡、分割、孔洞等特殊形态呈现的标注目标时，仍能保证标注目标实例的完整性和一致性，表现出良好的泛化性能，从而为目标识别任务提供更为有力保障。

技术领域

本发明首先涉及一种精准无损标注图像实例的分布式方法；其次本发明还涉及一种精准无损标注图像实例的分布式系统。

背景技术

目前，随着人工智能和深度学习的发展，对于数据集的数量和质量的要求也越来越高，为了获取到用于训练的数据集，需要借助图像标注工具对图像上的实例进行标注出来，以便在训练深度学习模型的时候提取到更加有用的实例特征，从而提高模型的泛化能力。

传统的图像标注任务多利用附加文字、线条等对图像语义进行整体描述或局部细节进行提示，便于用户更清晰地理解图像含义，也易于研究人员对图像语义进行更深层次的探究。在常规做法中，或完全借助人工，耗时长、效率低，或借助已有各类成熟的图像处理软件，但此类软件存在非图像任务定制工具的缺陷，尤其是对原始图像标注时所带来的破坏，使得其难于大规模使用。

其次，大多数标注工具只是利用矩形框对图像中的实例进行区分，并没有通过实例的轮廓进行标注以区分不同的对象，导致实例本身以外的区域标注为实例的一部分。此外，当处理存在比较密集实例的图像时，会不可避免的出现标注区域重叠的现象，从而造成在训练模型的时候提取到的实例特征不准确，最终导致训练模型的泛化能力低，效果不好。

因此，对能够更加高效和精确地标注实例的标注方法及标注系统有着极大的需求。

发明内容

本发明为了解决现有技术中所存在的问题，在此提供一种高效、无损、精准地标注图像实例的精准无损标注图像实例的分布式方法及系统。

本发明在此所提供的一种精准无损标注图像实例的分布式方法，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。

本发明所提供的方法自动记录的实例轮廓坐标序列和实例掩膜坐标簇皆产生于待标注图像的副本上，故待标注图像的原始图像并未受到损坏，实现了无损标注，同时，该方法采用轮廓描绘方式对待标注图像实现实例的标注且在标注过程中对所形成的实例轮廓进行有效性检测和提示，使标注成果更为精准；且该方式采用分布式方式分发和回收标注任务，实现了高效标注。