[发明专利]基于人工智能的标注图像检测方法、装置、设备及介质

说明书

本发明涉及人工智能技术领域，提供了一种基于人工智能的标注图像检测方法、装置、设备及存储介质。所述方法包括：从原始样本图像中截取出标注区域图像；判断标注区域图像是否为清晰图像，若是，判断标注区域图像的标注框是否合格，若是，将原始样本图像添加至正样本集，当判断标注区域图像不清晰，或当判断标注区域图像的标注框不合格时，将原始样本图像添加至负样本集并生成训练样本集；基于训练样本集训练预先构建的模型得到标注检测模型，将待检测标注图像输入标注检测模型得到检测结果并反馈至用户。本发明可以检测样本的标注框是否合格。本发明还涉及区块链技术领域，上述标注区域图像可以存储于一区块链的节点中。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的标注图像检测方法、装置、设备及存储介质。

背景技术

训练智能识别模型的样本数据大多是依赖于人工通过手动方式在图像标注出待识别区域。例如，训练OCR识别模型时通过人工手动在样本图像中框选出文字区域，样本图像中文字的框选区域是否合格，将直接影响训练出的OCR模型的识别精度。

目前，对样本数据标注是否合格的检测方法大多是通过人工抽查核对，虽然现有技术中有通过目标检测模型(SingleShot MultiBox Detector，SSD)来检测样本数据标注框是否合格，但该方式仅是能检测出样本数据中是否存在有标注框，并不能检测标注框的位置或大小是否合格。

发明内容

鉴于以上内容，本发明提供一种基于人工智能的标注图像检测方法、装置、设备及存储介质，其目的在于解决现有技术中不能准确地检测样本数据中标注框的位置或大小是否合格的技术问题。

为实现上述目的，本发明提供一种基于人工智能的标注图像检测方法，该方法包括：

获取预设数量的原始样本图像，从所述原始样本图像中截取出标注区域图像；

基于标注区域图像的边缘信息判断所述标注区域图像是否为清晰图像，当判断所述标注区域图像为清晰图像时，基于所述标注区域图像的标注框的坐标信息及标注区域图像的文字坐标信息，判断所述标注区域图像的标注框是否合格；

当判断所述标注区域图像的标注框合格时，将所述原始样本图像添加至正样本集，当判断所述标注区域图像不为清晰图像，或者当判断所述标注区域图像的标注框不合格时，将所述将原始样本图像添加至负样本集，基于所述正样本集和所述负样本集生成训练样本集；

基于所述训练样本集训练预先构建的模型得到标注检测模型，读取用户输入的待检测的标注图像，将所述待检测标注图像输入所述标注检测模型得到检测结果，将所述检测结果反馈至所述用户。

优选的，所述从所述原始样本图像中截取出标注区域图像，包括：

基于所述原始样本图像中的标注框的像素值，读取所述标注框的坐标信息；

根据所述标注框的坐标信息定位所述标注区域图像的目标区域，基于所述目标区域从所述原始样本图像中截取出标注框对应的标注区域图像。

优选的，所述基于标注区域图像的边缘信息判断所述标注区域图像是否为清晰图像，包括：

利用高斯平滑滤波器对所述标注区域图像执行再模糊处理，得到再模糊图像；

将所述标注区域图像和所述再模糊图像分别转换为灰度图像后，对灰度图像分别执行边缘检测，得到所述标注区域图像对应的边缘图像和所述再模糊图像对应的边缘图像；

分别对所述标注区域图像对应的边缘图像和所述再模糊图像对应的边缘图像进行分块处理得到多个子块，分别计算所述标注区域图像对应的各个子块的方差及所述再模糊图像对应的各个子块的方差；