[发明专利]一种图片标注方法与系统

权利要求书

1.一种图片标注方法，其特征在于，包括以下步骤：

获取与数据标注任务相对应的数据集和标注规则；

从所述数据集中载入并显示数据图片；

根据所述标注规则使用标注模型标注或人工标注所述数据图片获得标注数据，并按需迭代更新所述标注模型；

保存所述标注数据。

2.根据权利要求1所述的方法，其特征在于，根据所述标注规则使用所述标注模型标注或人工标注所述数据图片获得所述标注数据，包括以下步骤：

使用主动学习算法判断所述标注模型能否正确标注所述数据图片；

当所述标注模型能正确标注所述数据图片时，直接使用所述标注模型标注所述数据图片，获得所述标注数据；

当所述标注模型不能正确标注所述数据图片时，人工标注所述数据图片，获得所述标注数据。

3.根据权利要求2所述的方法，其特征在于，按需迭代更新所述标注模型包括：当人工标注所述数据图片时，使用由人工标注的所述标注数据迭代更新所述标注模型。

4.根据权利要求1所述的方法，其特征在于，直接使用所述标注模型标注所述数据图片获得所述标注数据，包括以下步骤：

使用ResNext对所述数据图片进行分类；

使用Yolo v2对所述数据图片进行检测；

使用Grab Cut对所述数据图片进行分割；

将分类、检测、分割的结果相叠加，生成所述标注数据。

5.根据权利要求4所述的方法，其特征在于，使用ResNext对所述数据图片进行分类包括：

进入图像分类模式，读取所述数据图片；

使用在图像网络数据集上已完成训练的神经网络模型ResNext直接对所述数据图片进行推理分类。

6.根据权利要求4所述的方法，其特征在于，使用Yolo v2对所述数据图片进行检测包括：

进入目标检测模式，读取所述数据图片；

确定待检测目标；

使用在图像网络数据集上已完成训练的神经网络模型Yolo v3直接对所述数据图片进行目标检测，并根据所选待检测目标进行反馈。

7.根据权利要求4所述的方法，其特征在于，使用Grab Cut对所述数据图片进行分割包括：

进入目标分割模式，读取所述数据图片；

待分割区域内点击确定保留区域或删除区域；

使用Grab Cut模型检测点击位置像素点的颜色，当所述点击位置像素点的颜色不是边界颜色和填充颜色时，使用填充颜色填充所述点击位置像素点；

将所述点击位置像素点的相邻像素点作为所述点击位置像素点重复进行上一步骤，直到检测区域边界范围内的所有像素都被Grab Cut模型处理过；

根据处理结果分割所述数据图片。

8.根据权利要求3所述的方法，其特征在于，使用由人工标注的所述标注数据迭代更新所述标注模型，包括以下步骤：

读取所述数据图片；

直接使用所述标注模型标注所述数据图片获得模拟标注数据；

使用QBC算法在所述模拟标注数据中确定差异最大的待校正标注数据；

使用由人工标注的所述标注数据校正所述待校正标注数据；

使用所述待校正标注数据迭代更新所述标注模型。

9.根据权利要求8所述的方法，其特征在于，使用由人工标注的所述标注数据迭代更新所述标注模型，还包括以下步骤：

设定迭代终止条件；

当满足迭代终止条件时，停止迭代更新所述标注模型。

10.一种图片标注系统，其特征在于，包括：

获取模块，用于获取与数据标注任务相对应的数据集和标注规则；

载入模块，用于从所述数据集中载入并显示图片；

标注与迭代模块，用于根据所述标注规则使用标注模型标注或人工标注所述数据图片获得标注数据，并按需迭代更新所述标注模型；和

保存模块，用于保存所述标注数据。