[发明专利]一种目标标注方法和一种目标标注装置

说明书

本发明公开了一种目标标注方法和一种目标标注装置。该方法包括：使用目标检测模型检测包含目标的图片集合，得到目标的预测框，图片集合中包含已标注的图片和未标注的图片；从预测框中，筛选出与已标注目标重合程度低于预设值或缺少已标注目标的预测框；根据筛选出的预测框的面积和相对于面积的像素均值，查找出各预测框最接近的目标类别，若最接近的目标类别与该预测框的预测类别一致，则将该预测框的信息写入标注文件。本申请利用目标检测模型检测图片，继而筛选预测框，通过筛选出预测框的面积和像素均值，确定预测框的预测类别是否准确，可以实现图片自动标注，且标注结果经过了分类检验，准确率更高。

技术领域

本发明涉及目标识别技术领域，特别涉及一种目标标注方法和一种目标标注装置。

背景技术

近几年，传统制造正逐渐向智能制造转变。传统的人工标注，容易随着标注人员疲惫的增加造成精确度与效率的降低，并且人工标注容易伴随着判断标准变化而产生不稳定。首先，人为判断的标准不能保证持续稳定，其次，人工容易受工作量大的影响，产生疲惫与积极性的下降，从而导致工作的准确性下降，因此如果在大批量(几千到上万张图片需要标注)需要标注的工作面前，就需要借助智能办法实现。深度学习是智能制造的重要一环，因此用于深度学习的图像正确和快速的标注方案，显得较为重要。

发明内容

鉴于现有技术人工标注图片速度慢、工作易出现错误的问题，提出了本申请的一种目标标注方法和一种目标标注装置，以便克服上述问题。

为了实现上述目的，本申请采用了如下技术方案：

依据本申请的一个方面，提供了一种目标标注方法，该方法包括如下步骤：

使用目标检测模型检测包含目标的图片集合，得到目标的预测框，图片集合中包含已标注的图片和未标注的图片；

从预测框中，筛选出与已标注目标重合程度低于预设值或缺少已标注目标的预测框；

根据筛选出的预测框的面积和相对于面积的像素均值，查找出各预测框最接近的目标类别，若最接近的目标类别与该预测框的预测类别一致，则将该预测框的信息写入标注文件。

可选地，筛选出与已标注目标重合程度低于预设值的预测框，包括：

计算预测框与已标注目标的标注框之间的CIoU，若CIoU小于预设值，则确定该预测框为与已标注目标重合程度低于预设值的预测框。

可选地，根据筛选出的预测框的面积和相对于面积的像素均值，查找出各预测框最接近的目标类别，包括：

统计已标注的图片中各已标注目标的标注框面积以及相对于面积的像素均值，获得各目标类别的中心点；

根据预测框的面积和相对于面积的像素均值，计算与各预测框最匹配的目标类别中心点，该中心点所对应的目标类别即为各预测框最接近的目标类别。

可选地，根据预测框的面积和相对于面积的像素均值，计算与各预测框最匹配的目标类别中心点，包括：

以面积为横坐标、像素均值为纵坐标绘制面积-像素均值散点图；

在面积-像素均值散点图上，标注各预测框坐标以及各目标类别中心点坐标，计算各预测框坐标与各目标类型中心点坐标之间的欧式距离，所得欧式距离最小的目标类别中心点即为与该预测框最匹配的目标类别中心点。

可选地，统计已标注的图片中各已标注目标的标注框面积以及相对于面积的像素均值，获得各目标类别的中心点，包括：

以一目标类别所有已标注目标的标注框面积的平均值作为该目标类别中心点的面积，以一目标类别所有已标注目标的标注框像素均值的平均值作为该目标类别中心点的像素均值。

可选地，未标注的图片，包括全无标注的图片以及标注不完全的图片。