[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目标标注装置。方法包括：使用训练后的目标检测模型标注预测图片集合，得到预测框信息，预测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；使用搭建并训练过的分类网络对筛选出的预测框进行分类，分类网络由已标注目标及其背景图像训练得到；若该预测框的分类结果与该预测框的预测类别一致，则将该预测框信息写入标注文件。本申请使用训练后的模型标注预测图片集合，并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，利用分类网络进行分类检验，实现对目标标注的智能实现和结果检验，可提高目标标注的效率和准确度。

技术领域

本发明涉及目标标注技术领域，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，显得较为重要。

发明内容

鉴于现有技术大批量图像人工标注工作易出现错误、不稳定的问题，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，方法包括：

使用训练后的目标检测模型标注预测图片集合，得到预测框信息，预测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；

使用搭建并训练过的分类网络对筛选出的预测框进行分类，分类网络由已标注目标及其背景图像训练得到；若该预测框的分类结果与该预测框的预测类别一致，则将该预测框信息写入标注文件。

可选地，在使用分类网络对筛选出的预测框进行分类之前，方法还包括：

计算预测框的面积和边长最小值，若该预测框的面积和边长最小值均小于其预测类别对应的目标标注框最小面积和最小边长，则将该预测框送入分类网络中进行分类，否则，将该预测框信息丢弃。

可选地，分类网络的训练过程为：

对每一类目标，分别截取已标注目标的标注框以及该目标标注框外预设面积的背景图像，输入到分类网络中进行训练。

可选地，使用搭建并训练过的分类网络对筛选出的预测框进行分类，包括：

对筛选出的预测框，将该预测框从图片中截取出来，并记录截取位置和预测类别；

将截取的预测框图片送入分类网络中进行分类，判定该预测框图片是背景图像还是目标图像，若为目标图像，判断该预测框图片的分类结果与预测类别是否一致。

可选地，利用下述方式搭建分类网络：

采用残差模块结合跨阶段局部连接模块的方式搭建分类网络，残差模块设置在跨阶段局部连接模块内；

或者，采用残差模块结合图像金字塔模块的方式搭建分类网络，残差模块设置在图像金字塔模块内。

可选地，分类网络采用残差模块结合跨阶段局部连接模块的方式搭建，将第一卷积层、跨阶段局部连接模块、第二卷积层、第一全连接层、第二全连接层和分类器层依次连接；