[发明专利]图像标注方法、装置、计算机设备和可读存储介质

权利要求书

1.一种图像标注方法，其特征在于，所述方法包括：

根据预先训练的奇数个图像标注模型，对同一张待标注图像进行标注，获取对应的奇数个第一标注图像；所述图像标注模型用于对图像中的目标物体进行标注；

根据每个所述第一标注图像中的标注物体信息，获取所述标注物体信息相同的第一标注图像的数目，若所述标注物体信息相同的第一标注图像的数目小于预设阈值，则将所述第一标注图像确定为待处理的第一标注图像，根据用户输入的标注操作指令，对所述待处理的第一标注图像重新标注，得到第二标注图像，根据所述第二标注图像和预先训练的图像标注判别模型，确定目标标注图像；所述图像标注判别模型用于判断所述第二标注图像的准确度。

2.根据权利要求1所述的方法，其特征在于，若所述标注物体信息相同的第一标注图像的数目大于或等于所述预设阈值，则将所述标注物体信息相同的第一标注图像确定为所述目标标注图像；所述预设阈值大于所述图像标注模型个数的一半。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第二标注图像和预先训练的图像标注判别模型，确定所述目标标注图像，包括：

将所述第二标注图像输入所述预先训练的图像标注判别模型中，得到所述第二标注图像的判别结果；

若所述判别结果为准确，则确定所述第二标注图像为所述目标标注图像。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

以训练样本图像和所述训练样本图像的属性信息为输入，审查数据为输出，对预设的第一深度学习网络模型进行训练，得到所述图像标注判别模型；所述审查数据包括标注图像的判别结果。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：

以训练样本图像为输入，已标注的样本图像为输出，对预设的第二深度学习网络模型进行训练，得到所述奇数个图像标注模型。

6.根据权利要求1所述的方法，其特征在于，所述标注物体信息包括所述目标物体的位置、大小和所述目标物体所在环境的光照、天气。

7.根据权利要求1所述的方法，其特征在于，所述用户输入的标注操作指令的方式包括文字输入的方式和语音输入的方式。

8.一种图像标注装置，其特征在于，所述装置包括：

获取模块，用于根据预先训练的奇数个图像标注模型，对同一张待标注图像进行标注，获取对应的奇数个第一标注图像；所述图像标注模型用于对图像中的目标物体进行标注；

确定模块，用于根据每个所述第一标注图像中的标注物体信息，获取所述奇数个第一标注图像的判别结果；所述判别结果包括所述标注物体信息相同的第一标注图像的数目；若所述标注物体信息相同的第一标注图像的数目小于预设阈值，则将所述第一标注图像确定为待处理的第一标注图像；根据用户输入的标注操作指令，对所述待处理的第一标注图像重新标注，得到第二标注图像；根据所述第二标注图像和预先训练的图像标注判别模型，确定所述目标标注图像；所述图像标注判别模型用于判断所述第二标注图像的准确度。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述方法的步骤。

10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。