[发明专利]物体图像标注方法、系统、设备及存储介质

权利要求书

1.一种物体图像标注方法，其特征在于，包括：

对目标物体图像进行分割，获取若干子图像，每一子图像表示目标物体中的每一部件；

对每一部件进行特征提取，获取每一部件的特征；

根据每一部件的特征，获取每一部件的名称；

将所述目标物体图像中每一部件、每一部件的中心点、预设特征提取参数输入到父类识别模型中，获取每一部件的父类，并根据每一部件的名称和每一部件的父类对所述目标物体进行标注，其中，每一部件的中心点根据每一部件对应的子图像获得；

所述父类识别模型的具体计算公式如下：

E(θ,p,c,M)＝λ_cE_c+λ_sE_s+λ_dE_d+λ_mE_m-H，

其中，θ表示所述预设特征提取参数，p表示任一物体的任一部件被分类到任一父类的概率，c表示部件的父类中心点，M表示包含所有部件的目标物体的层次结构，λ_c表示第一预设参数，λ_s表示第一预设参数，λ_d表示第一预设参数，λ_m表示第一预设参数，E_c表示每一部件到每一父类中心的距离，E_s表示相同部件之间的距离，E_d表示同一目标物体上不同部件之间的距离，E_m表示父类与子类关系的匹配程度，H表示预设阈值；

所述父类识别模型基于分类样本训练得到，包括：

初始化每一部件的父类中心点；

对于当前迭代，固定p的取值，计算得到θ、c和M的取值；

固定θ、c和M的取值，优化p的取值，并再次固定p的取值，得到θ、c和M的最优解；

重复上述迭代过程，直到E_c、E_s、E_d和E_m均为最小；

所述目标物体图像通过有根有向树表示，如下：

H_i＝{X_i,E_i}，

X_i＝{x_ij|j＝1,…,|X_i|}，

其中，H_i表示第i个物体的有根有向树，X_i表示第i个物体的所有部件，E_i表示第i个物体的所有边，x_ij表示第i个物体的第j个部件。

2.如权利要求1所述物体图像标注方法，其特征在于，所述对目标物体图像进行分割，获取每一部件，包括：

将所述目标物体图像输入到分割网络中，获取每一部件，所述分割网络基于分割样本训练得到。

3.如权利要求2所述物体图像标注方法，其特征在于，所述将所述目标物体图像输入到分割网络中，获取每一部件，之前还包括：

对所有样本的名称进行同义词合并，获取所述目标物体的部件，部件字典包括所述目标物体中的所有部件及部件标准名称；

将所述部件字典作为所述分割网络训练时的聚类类别。

4.如权利要求1所述物体图像标注方法，其特征在于，所述根据每一部件的特征，获取每一部件的名称，包括：

通过最近邻算法，获取任意两个部件的特征之间的距离；

对于任一部件，获取目标部件，所述目标部件的特征与所述任一部件的特征距离最近；

将所述目标部件的名称作为所述任一部件的名称。