半自动化图像数据标注方法、电子装置及存储介质.pdf
《半自动化图像数据标注方法、电子装置及存储介质.pdf》由会员分享,可在线阅读,更多相关《半自动化图像数据标注方法、电子装置及存储介质.pdf(16页完成版)》请在专利查询网上搜索。
1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911117335.0 (22)申请日 2019.11.15 (71)申请人 五邑大学 地址 529000 广东省江门市蓬江区东成村 22号 (72)发明人 邓辅秦黄永深彭健烽冯华 陈颖颖李伟科 (74)专利代理机构 广州嘉权专利商标事务所有 限公司 44205 代理人 孙浩 (51)Int.Cl. G06T 7/13(2017.01) G06T 7/194(2017.01) (54)发明名称 半自动化图像数据标注方法、 电子装置及存 储介质 (57)摘要 本发明公开了一种。
2、半自动化图像数据标注 方法、 电子装置及存储介质, 通过在步骤S200中 获取未选择区域坐标点及第一范围值, 通过鼠标 在未选择区域上点击获取到鼠标的坐标作为未 选择区域坐标点。 通过多次选择未选择区域坐标 点及第一范围值, 可以在每一次grabcut分割后 再执行边缘跟踪算法获得当前边缘坐标, 利用每 一次获得的当前边缘坐标更新局部坐标集合, 最 后在用户确认前景区域被全选中后, 会在键盘上 按下某个键从而发送出全选中指令, 则此时的局 部坐标集合就被作为全部坐标集合, 由用户输入 对应于该前景图像的类别信息, 并将类别信息与 全部坐标集合保存为json文件用于后续的神经 网络训练。 权利要。
3、求书2页 说明书8页 附图5页 CN 110992384 A 2020.04.10 CN 110992384 A 1.一种半自动化图像数据标注方法, 其特征在于, 包括以下步骤: 步骤S100:显示待标注图像, 所述待标注图像包括已选择区域和未选择区域; 步骤S200:获取未选择区域坐标点及第一范围值; 步骤S300:基于获取的获取未选择区域坐标点及第一范围值执行grabcut算法并获得 grabcut算法分割后二值化图片; 步骤S400:对二值化图片执行边缘跟踪算法获取当前边缘坐标; 步骤S500:基于获取的当前边缘坐标更新局部坐标集合; 步骤S600:基于获取的局部坐标集合更新所述待标注图。
4、像的已选择区域; 步骤S700:判断是否收到全选中指令, 若是, 则生成全部坐标集合, 若否, 则返回步骤 S200; 步骤S800:获取类别信息, 并将类别信息与全部坐标集合保存为json文件。 2.根据权利要求1所述的一种半自动化图像数据标注方法, 其特征在于, 所述第一范围 值用于构建正方形, 获取所述第一范围值包括以下步骤: 步骤S210:判断已选择区域是否为空, 若是, 则执行步骤S300, 若否, 则执行步骤S220; 步骤S220:判断由第一范围值构建的正方形范围内是否包含局部坐标集合内的坐标, 若是, 则执行步骤S300。 3.根据权利要求1所述的一种半自动化图像数据标注方法,。
5、 其特征在于, 所述基于获取 的局部坐标集合更新所述待标注图像的已选择区域, 包括以下步骤: 将所述局部坐标集合里的坐标围起来的区域进行高亮或阴影显示。 4.根据权利要求1所述的一种半自动化图像数据标注方法, 其特征在于, 所述基于获取 的当前边缘坐标更新局部坐标集合, 包括以下步骤: 步骤S510:判断已选择区域是否为空, 若是, 则将当前边缘坐标加入到局部坐标集合 中, 若否, 则执行步骤S520; 步骤S520:将当前边缘坐标中与局部坐标集合中重复的坐标删除后加入到局部坐标集 合中。 5.根据权利要求1所述的一种半自动化图像数据标注方法, 其特征在于, 所述生成全部 坐标集合, 包括以下。
6、步骤: 步骤S710: 建立集合A, 将局部坐标集合中的任一个坐标点p0添加到集合A中, 将局部 坐标集合中除了p0之外的其他坐标点建立集合A2, 将第一标记坐标点p置为p0; 步骤S720: 判断集合A2中元素数量是否为零, 若否, 则执行步骤S720a, 若是, 则执行步骤 S720b; 步骤S720a: 计算集合A2中的所有坐标点与第一标记坐标点p的距离d, 将第一标记坐标 点p置为集合A2中对应于距离d的最小值的坐标点, 将集合A2中对应于距离d的最小值的坐标 点添加到集合A中并从集合A2中删除, 返回步骤S720; 步骤S720b: 按照坐标点添加到所述集合A中的顺序将坐标点进行排序。
7、; 步骤S730: 建立全部坐标集合, 将p0添加到全部坐标集合中并从集合A删除, 将第二标 记坐标点p置为p0; 步骤S740: 判断集合A中的元素数量是否为一, 若否, 则执行步骤S740a, 若是, 则执行 步骤S740b; 权利要求书 1/2 页 2 CN 110992384 A 2 步骤S740a: 判断第二标记坐标点p与集合A中排序位于最前两位的两个坐标点是否 三点共线, 若是, 则执行步骤S740a1, 若否, 则执行步骤S740a2; 步骤S740a1: 将集合A中排序位于最前一位的坐标点从集合A中删除, 返回步骤S740; 步骤S740a2: 将第二标记坐标点p置为集合A中排。
8、序位于最前一位的坐标点, 将集合 A中排序位于最前一位的坐标点添加到全部坐标集合中并从集合A中删除, 返回步骤 S740; 步骤S740b: 将集合A中的坐标点添加到全部坐标集合中, 输出全部坐标集合。 6.电子装置, 包括: 存储器、 处理器及存储在所述存储器上并可在处理器上运行的计算 机程序, 其特征在于: 所述处理器执行所述程序时实现如权利要求1至5中任一项所述的一 种半自动化图像数据标注方法。 7.计算机可读存储介质, 存储有计算机可执行指令, 其特征在于: 所述计算机可执行指 令用于执行如权利要求1至5中任一项所述的一种半自动化图像数据标注方法。 权利要求书 2/2 页 3 CN 1。
9、10992384 A 3 半自动化图像数据标注方法、 电子装置及存储介质 技术领域 0001 本发明涉及计算机图像处理技术领域, 特别涉及一种半自动化图像数据标注方 法、 电子装置及存储介质。 背景技术 0002 grabcut图像分割算法是一种有效的从复杂背景中提取前景目标的图像分割算 法, 利用了图像中的纹理(颜色)信息和边界(反差)信息, 图像分割效果比较好。 输入一个包 含目标的图像, 使用grabcut算法进行图像切割, 即可将前景目标从背景图像中分离出来, 输出目标为白色和背景为黑色的二值化图片。 0003 grabcut算法的交互方法是通过用户画框来实现。 用户画一个框, 框住前。
10、景物体, 鼠标释放以后, 前景就可以被分割出来。 如图5所示, 为现有技术中, 使用grabcut算法进行 图像分割的效果图。 一般可以通过grabcut算法来将前景分割出来, 从而获得前景图像的标 注数据。 但是在采用grabcut算法获取标注数据的时候, 只能对前景图像画一个框, 导致在 对某些轮廓形状比较特别的前景图像使用grabcut算法时, 画的框范围特别大, 从而在框内 存在较多的背景像素, 导致grabcut算法精度下降。 发明内容 0004 本发明旨在至少解决现有技术中存在的技术问题之一。 为此, 本发明提出一种半 自动化图像数据标注方法、 电子装置及存储介质, 能够多次对待标。
11、注图像执行grabcut算法 获取前景图像的轮廓坐标, 提升了获取到的图像标注数据的精度。 0005 第一方面, 本发明实施例提供一种半自动化图像数据标注方法, 包括以下步骤: 0006 步骤S100:显示待标注图像, 所述待标注图像包括已选择区域和未选择区域; 0007 步骤S200:获取未选择区域坐标点及第一范围值; 0008 步骤S300:基于获取的获取未选择区域坐标点及第一范围值执行grabcut算法并 获得grabcut算法分割后二值化图片; 0009 步骤S400:对二值化图片执行边缘跟踪算法获取当前边缘坐标; 0010 步骤S500:基于获取的当前边缘坐标更新局部坐标集合; 00。
12、11 步骤S600:基于获取的局部坐标集合更新所述待标注图像的已选择区域; 0012 步骤S700:判断是否收到全选中指令, 若是, 则生成全部坐标集合, 若否, 则返回步 骤S200; 0013 步骤S800:获取类别信息, 并将类别信息与全部坐标集合保存为json文件。 0014 根据本发明实施例的一种半自动化图像数据标注方法, 至少具有如下有益效果: 通过在步骤S200中获取未选择区域坐标点及第一范围值, 通过鼠标在未选择区域上点击获 取到鼠标的坐标作为未选择区域坐标点, 并以未选择区域坐标点为基准点, 根据用户输入 的第一范围值来构建正方形, 这个正方形就是grabcut算法中的画框操。
13、作。 通过多次选择未 选择区域坐标点及第一范围值, 可以在每一次grabcut分割后再执行边缘跟踪算法获得当 说明书 1/8 页 4 CN 110992384 A 4 前边缘坐标, 利用每一次获得的当前边缘坐标更新局部坐标集合, 最后在用户确认前景区 域被全选中后, 会在键盘上按下某个键从而发送出全选中指令, 则此时的局部坐标集合就 被作为全部坐标集合, 由用户输入对应于该前景图像的类别信息, 并将类别信息与全部坐 标集合保存为json文件用于后续的神经网络训练。 因此, 本实施例提供的半自动化图像数 据标注方法, 可以在利用grabcut算法进行自动分割的基础上, 又可以接受人工的实时干 预。
14、, 提高了图像数据标注的精度。 0015 本发明的一个特定实施例中, 所述第一范围值用于构建正方形, 获取所述第一范 围值包括以下步骤: 0016 步骤S210:判断已选择区域是否为空, 若是, 则执行步骤S300, 若否, 则执行步骤 S220; 0017 步骤S220:判断由第一范围值构建的正方形范围内是否包含局部坐标集合内的坐 标, 若是, 则执行步骤S300。 0018 本发明的一个特定实施例中, 所述基于获取的局部坐标集合更新所述待标注图像 的已选择区域, 包括以下步骤: 0019 将所述局部坐标集合里的坐标围起来的区域进行高亮或阴影显示。 0020 本发明的一个特定实施例中, 所述。
15、基于获取的当前边缘坐标更新局部坐标集合, 包括以下步骤: 0021 步骤S510:判断已选择区域是否为空, 若是, 则将当前边缘坐标加入到局部坐标集 合中, 若否, 则执行步骤S520; 0022 步骤S520:将当前边缘坐标中与局部坐标集合中重复的坐标删除后加入到局部坐 标集合中。 0023 本发明的一个特定实施例中, 所述生成全部坐标集合, 包括以下步骤: 0024 步骤S710: 建立集合A, 将局部坐标集合中的任一个坐标点p0添加到集合A中, 将 局部坐标集合中除了p0之外的其他坐标点建立集合A2, 将第一标记坐标点p置为p0; 0025 步骤S720: 判断集合A2中元素数量是否为零。
16、, 若否, 则执行步骤S720a, 若是, 则执 行步骤S720b; 0026 步骤S720a: 计算集合A2中的所有坐标点与第一标记坐标点p的距离d, 将第一标记 坐标点p置为集合A2中对应于距离d的最小值的坐标点, 将集合A2中对应于距离d的最小值的 坐标点添加到集合A中并从集合A2中删除, 返回步骤S720; 0027 步骤S720b: 按照坐标点添加到所述集合A中的顺序将坐标点进行排序; 0028 步骤S730: 建立全部坐标集合, 将p0添加到全部坐标集合中并从集合A删除, 将第 二标记坐标点p置为p0; 0029 步骤S740: 判断集合A中的元素数量是否为一, 若否, 则执行步骤。
17、S740a, 若是, 则 执行步骤S740b; 0030 步骤S740a: 判断第二标记坐标点p与集合A中排序位于最前两位的两个坐标点 是否三点共线, 若是, 则执行步骤S740a1, 若否, 则执行步骤S740a2; 0031 步骤S740a1: 将集合A中排序位于最前一位的坐标点从集合A中删除, 返回步骤 S740; 0032 步骤S740a2: 将第二标记坐标点p置为集合A中排序位于最前一位的坐标点, 将 说明书 2/8 页 5 CN 110992384 A 5 集合A中排序位于最前一位的坐标点添加到全部坐标集合中并从集合A中删除, 返回步骤 S740; 0033 步骤S740b: 将集。
18、合A中的坐标点添加到全部坐标集合中, 输出全部坐标集合。 0034 第二方面, 本发明实施例提供了一种电子装置, 包括: 存储器、 处理器及存储在所 述存储器上并可在处理器上运行的计算机程序, 所述处理器执行所述程序时实现如上述第 一方面中任一项所述的一种半自动化图像数据标注方法。 0035 由于本发明实施例的一种电子装置执行如本发明第一方面中任一项所述的一种 半自动化图像数据标注方法, 因此具有本发明第一方面的所有有益效果。 0036 第三方面, 本发明实施例提供了一种计算机可读存储介质, 存储有计算机可执行 指令, 所述计算机可执行指令用于执行如上述第一方面中任一项所述的一种半自动化图像 。
19、数据标注方法。 0037 由于本发明实施例的计算机可读存储介质上存储有用于执行如本发明第一方面 中任一项所述的一种半自动化图像数据标注方法的计算机可执行指令, 因此具有本发明第 一方面的所有有益效果。 0038 本发明的附加方面和优点将在下面的描述中部分给出, 部分将从下面的描述中变 得明显, 或通过本发明的实践了解到。 附图说明 0039 本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得 明显和容易理解, 其中: 0040 图1为本发明第一实施例提供的一种电子装置的结构示意图; 0041 图2为本发明第二实施例提供的一种半自动化图像数据标注方法的流程图; 0042 图3。
20、为本发明第三实施例的构建正方形的效果图; 0043 图4为本发明第四实施例提供的一种半自动图像数据标注方法的效果图; 0044 图5为为现有技术中使用grabcut算法进行图像分割的效果图; 0045 附图标记: 0046 电子装置100、 处理器101、 存储器102。 具体实施方式 0047 下面详细描述本发明的实施例, 所述实施例的示例在附图中示出, 其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。 下面通过参考附 图描述的实施例是示例性的, 仅用于解释本, 而不能理解为对本的限制。 0048 在本发明的描述中, 需要理解的是, 涉及到方位描述, 例如上、 。
21、下、 前、 后、 左、 右等 指示的方位或位置关系为基于附图所示的方位或位置关系, 仅是为了便于描述本发明和简 化描述, 而不是指示或暗示所指的装置或元件必须具有特定的方位、 以特定的方位构造和 操作, 因此不能理解为对本发明的限制。 0049 在本发明的描述中, 若干的含义是一个或者多个, 多个的含义是两个以上, 大于、 小于、 超过等理解为不包括本数, 以上、 以下、 以内等理解为包括本数。 如果有描述到第一、 第二只是用于区分技术特征为目的, 而不能理解为指示或暗示相对重要性或者隐含指明所 说明书 3/8 页 6 CN 110992384 A 6 指示的技术特征的数量或者隐含指明所指示的。
22、技术特征的先后关系。 0050 本发明的描述中, 除非另有明确的限定, 设置、 安装、 连接等词语应做广义理解, 所 属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体 含义。 0051 随着计算机技术不断突破, 人工智能已经成为了这个时代的主题, 深度学习更是 成为了最近几年突破巨大的技术, 而基于深度学习的图像分割网络的训练需要大量的图像 标注数据, 例如智能垃圾分类系统, 这个系统需要图像标注数据进行学习才能识别出垃圾 及其种类, 如果想要这个系统能够识别出废纸这种垃圾, 那就需要对大量的包含废纸的图 像(如地面上的废纸)进行图像切割, 得到废纸图像和背景图像,。
23、 再对废纸图像进行数据标 注, 再把得到的图像标注数据交由系统学习。 0052 由此可知, 许多需要智能识别的系统如上述的智能垃圾分类系统, 表面缺陷检测 系统和自动驾驶都需要大量的图像标注数据, 而这些图像标注数据正必须从图像分割而 来。 图像标注数据的需求越来越大, 而图像标注数据的获取, 首先需要对包含目标的图像进 行图像分割, 将其分成目标图像和背景图像两部分, 再对目标图像进行数据标注。 0053 为了满足基于深度学习的图像分割网络的训练对图像标注数据的需求, 技术众包 平台应运而生、 有的公司招聘上万数据标注员, 但由于现有数据标注方法的一些缺点, 使得 获取大量的图像标注数据同样。
24、需要消耗大量的人力、 物力、 财力。 0054 现有的数据标注方法是使用开源的图像分割数据标注工具(如Labelme, Labelimg 等)对目标图像的边缘进行打点标绘(通过鼠标点击把图像中的目标物体的边缘描绘出来, 如要对形状复杂的目标物体进行打点标绘, 则可能需要点击鼠标上百次), 然后把目标图像 从背景中分离出来, 即对图像进行分割, 得到目标图像, 后对所得到的目标图像进行数据标 注。 0055 本发明涉及以传统图像分割算法grabcut为主要算法的图像分割技术, 提供了一 种开创性的半自动化数据标注方法, 大幅度地减少了打点标绘即点击鼠标的次数, 同时由 于grabcut算法的一些。
25、色差分析机制, 可以提高数据标注的效率、 精确度, 满足基于深度学 习的图像分割网络的训练对图像数据的需求。 0056 基于此, 本发明提供了一种半自动化图像数据标注方法、 电子装置及存储介质, 通 过将待标注图像显示在电子屏幕上, 根据用户多次使用鼠标在待标注图像上点击产生未选 择区域坐标点以及根据用户在每次产生未选择区域坐标点后输入的第一范围值, 可以对前 景图像轮廓形状复杂的图像分次、 分区域获取轮廓的当前边缘坐标, 最后再将分次、 分区域 获取的当前边缘坐标合并为局部坐标集合, 并在用户确认前景图像被完全选中后, 由用户 发送全选中指令。 计算机在接收到全选中指令后, 则把当前的局部坐。
26、标集合作为全部坐标 集合, 并通过键盘接收用户输入的分类信息, 例如足球等, 最后将类别信息与全部坐标集合 保存为json文件, 便于以后用于神经网络的训练。 0057 下文提供了许多不同的实施方式或例子用来实现本发明的不同方案, 值得理解的 是, 下述描述仅是示例性说明, 而不是对发明的具体限制。 0058 参照图1所示, 为本发明第一实施例提供的一种电子装置100, 包括存储器102、 处 理器101, 图4中以一个处理器101和一个存储器102为例。 0059 处理器和存储器可以通过总线或者其他方式连接, 图1中以通过总线连接为例。 说明书 4/8 页 7 CN 110992384 A 。
27、7 0060 存储器102作为一种非暂态计算机可读存储介质, 可用于存储非暂态软件程序以 及非暂态性计算机可执行程序。 此外, 存储器102可以包括高速随机存取存储器, 还可以包 括非暂态存储器, 例如至少一个磁盘存储器件、 闪存器件、 或其他非暂态固态存储器件。 在 一些实施方式中, 存储器102可选包括相对于处理器远程设置的存储器102, 这些远程存储 器可以通过网络连接至该电子装置100。 上述网络的实例包括但不限于互联网、 企业内部 网、 局域网、 移动通信网及其组合。 0061 参照图2所示, 为本发明第一实施例的电子装置, 在该实施例中, 电子装置100中处 理器101可以用于调用。
28、存储器102中存储的一种半自动化图像数据标注方法, 并执行以下步 骤: 0062 步骤S100:显示待标注图像, 所述待标注图像包括已选择区域和未选择区域; 0063 步骤S200:获取未选择区域坐标点及第一范围值; 0064 步骤S300:基于获取的获取未选择区域坐标点及第一范围值执行grabcut算法并 获得grabcut算法分割后二值化图片; 0065 步骤S400:对二值化图片执行边缘跟踪算法获取当前边缘坐标; 0066 步骤S500:基于获取的当前边缘坐标更新局部坐标集合; 0067 步骤S600:基于获取的局部坐标集合更新所述待标注图像的已选择区域; 0068 步骤S700:判断是。
29、否收到全选中指令, 若是, 则生成全部坐标集合, 若否, 则返回步 骤S200; 0069 步骤S800:获取类别信息, 并将类别信息与全部坐标集合保存为json文件。 0070 基于上述电子装置的硬件结构, 提出本发明的一种半自动化图像数据标注方法的 各个实施例。 0071 参照图2所示, 为本发明第二实施例的一种半自动化图像数据标注方法, 包括以下 步骤: 0072 步骤S100:显示待标注图像, 所述待标注图像包括已选择区域和未选择区域; 0073 步骤S200:获取未选择区域坐标点及第一范围值; 0074 步骤S300:基于获取的获取未选择区域坐标点及第一范围值执行grabcut算法并。
30、 获得grabcut算法分割后二值化图片; 0075 步骤S400:对二值化图片执行边缘跟踪算法获取当前边缘坐标; 0076 步骤S500:基于获取的当前边缘坐标更新局部坐标集合; 0077 步骤S600:基于获取的局部坐标集合更新所述待标注图像的已选择区域; 0078 步骤S700:判断是否收到全选中指令, 若是, 则生成全部坐标集合, 若否, 则返回步 骤S200; 0079 步骤S800:获取类别信息, 并将类别信息与全部坐标集合保存为json文件。 0080 本实施例中, 可以通过PC电脑屏幕或者平板电脑屏幕将待标注图像显示给标注 员, 标注图像上包括前景区域和背景区域, 标注员通过鼠。
31、标在前景区域点击产生一个鼠标 事件, 从而获得该鼠标在待标注图像上点击的坐标作为未选择区域坐标点。 然后由标注员 从键盘输入数值作为第一范围值。 第一范围值包括标注员从键盘输入的距离值和角度值, 这个距离值表示待标注图像上与未选择区域坐标点满足该距离值的像素点, 然后以未选择 区域坐标点为圆心转动该角度值选定符合距离值的像素点作为正方形的一个对角点, 从而 说明书 5/8 页 8 CN 110992384 A 8 确定一个正方形, 形成这个正方形相当于grabcut算法中的画框交互方式。 0081 在通过获取未选择区域坐标点及第一范围值生成正方形后, 执行grabcut算法获 得分割后的二值化。
32、图片。 图像分割后, 图像会被分为目标物体(即前景)和背景两部分, 然后 系统内部将目标物体的所有像素设置为黑色, 背景的所有像素设置为白色, 所以该图像的 所有像素也就被分为了两个数值, 黑色和白色, 这就是二值化图片。 将这些数据保存在系统 内部, 然后对二值化的图片进行边缘跟踪算法获取当前边缘坐标, 当前边缘坐标就是当前 二值化图片的轮廓像素坐标。 0082 把当前边缘坐标保存为局部坐标集合, 将局部坐标集合中的坐标围起来的区域进 行高亮或者阴影显示, 这部分被高亮或者阴影显示的区域就是已选择区域。 在前景图像复 杂的情况下, 执行第一次grabcut算法的时候, 已选择区域可能只是前景。
33、的一部分, 因此如 果标注员没有发送全选中指令的话, 就会重新捕捉鼠标的位置形成新的未选择区域坐标 点, 并等待用户输入新的第一范围值, 对未选择区域做grabcut算法获取新的当前边缘坐 标。 在获取到新的当前边缘坐标后, 将新的边缘坐标与前一轮获取的局部坐标集合中的坐 标对比, 去除掉相同的当前边缘坐标后将剩下的当前边缘坐标加入到局部坐标集合中, 再 根据这一轮局部坐标集合中的坐标围起来的区域进行高亮或者阴影处理。 这一轮的已选择 区域就会增大, 根据标注员的判断, 如果认为当前的已选择区域还未满足精度要求, 则会继 续重复步骤步骤S200。 直到标注员认为已选择区域与前进的重合程度达到要。
34、求, 就可以发 送全选中指令, 完成一张待标注图像的标注工作。 采用本实施例方法, 可以实现多次小范围 的图像分割算法, 对于轮廓形状复杂的图像可以提高半自动标注的精度。 0083 参照图3所示, 为本发明第三实施例的构建正方形的效果图, 本发明的第三实施例 提供了一种半自动化图像数据标注方法, 所述第一范围值用于构建正方形, 获取所述第一 范围值包括以下步骤: 0084 步骤S210:判断已选择区域是否为空, 若是, 则执行步骤S300, 若否, 则执行步骤 S220; 0085 步骤S220:判断由第一范围值构建的正方形范围内是否包含局部坐标集合内的坐 标, 若是, 则执行步骤S300。 。
35、0086 本实施例中, 第一次获取未选择区域坐标点的时候, 已选择区域为空, 判断的依据 是局部坐标集合是否为空, 若局部坐标集合中有坐标存在, 则判断已选择区域不为空。 0087 在第二次获取未选择区域坐标点的时候, 已选择区域不为空。 如图3中的3-a、 3-b、 3-c所示, 在第二次用鼠标点击未选择区域以及获取第一范围值之后, 会执行grabcut算法 获取该正方形范围的二值化图片, 然后获取当前边缘坐标, 再将当前边缘坐标与第一次的 局部坐标集合合并, 这个过程叫做更新局部坐标集合。 0088 如图3中的3-d所示, 本实施例中规定, 若第二次通过未选择区域坐标点和第一范 围值形成的。
36、正方形的范围内不包括第一次的局部坐标集合中的任一个坐标的, 则无法选 中, 需要标号员重新输入第一范围值。 0089 本发明的第四实施例提供了一种半自动化图像数据标注方法, 所述基于获取的局 部坐标集合更新所述待标注图像的已选择区域, 包括以下步骤: 0090 将所述局部坐标集合里的坐标围起来的区域进行高亮或阴影显示。 0091 本实施例中, 将局部坐标集合里的坐标围起来的区域进行高亮或阴影显示, 便于 说明书 6/8 页 9 CN 110992384 A 9 标注员确认已选择区域和未选择区域。 对局部坐标集合里的坐标围起来的区域内的像素进 行亮度调高、 颜色调白的操作, 方便用户识别目前选中。
37、区域。 0092 参照图4所示, 是本发明第四实施例提供的一种半自动图像数据标注方法的效果 图, 对局部坐标集合里的坐标围起来的区域内所有的像素使用阴影算法, 使得该区域加上 阴影, 输出为局部区域变暗的图像, 作用是方便用户识别目标物体中被选中的局部区域。 0093 本发明的第五实施例提供了一种半自动化图像数据标注方法, 所述基于获取的当 前边缘坐标更新局部坐标集合, 包括以下步骤: 0094 步骤S510:判断已选择区域是否为空, 若是, 则将当前边缘坐标加入到局部坐标集 合中, 若否, 则执行步骤S520; 0095 步骤S520:将当前边缘坐标中与局部坐标集合中重复的坐标删除后加入到局。
38、部坐 标集合中。 0096 本实施例中, 每一轮更新一次局部坐标集合, 并对局部坐标集合中的坐标围起来 的区域进行高亮或者阴影显示, 实时反馈给标注员, 便于标注员操作。 0097 本发明的第六实施例提供了一种半自动化图像数据标注方法, 所述生成全部坐标 集合, 包括以下步骤: 0098 步骤S710: 建立集合A, 将局部坐标集合中的任一个坐标点p0添加到集合A中, 将 局部坐标集合中除了p0之外的其他坐标点建立集合A2, 将第一标记坐标点p置为p0; 0099 步骤S720: 判断集合A2中元素数量是否为零, 若否, 则执行步骤S720a, 若是, 则执 行步骤S720b; 0100 步骤。
39、S720a: 计算集合A2中的所有坐标点与第一标记坐标点p的距离d, 将第一标记 坐标点p置为集合A2中对应于距离d的最小值的坐标点, 将集合A2中对应于距离d的最小值的 坐标点添加到集合A中并从集合A2中删除, 返回步骤S720; 0101 步骤S720b: 按照坐标点添加到所述集合A中的顺序将坐标点进行排序; 0102 步骤S730: 建立全部坐标集合, 将p0添加到全部坐标集合中并从集合A删除, 将第 二标记坐标点p置为p0; 0103 步骤S740: 判断集合A中的元素数量是否为一, 若否, 则执行步骤S740a, 若是, 则 执行步骤S740b; 0104 步骤S740a: 判断第二。
40、标记坐标点p与集合A中排序位于最前两位的两个坐标点 是否三点共线, 若是, 则执行步骤S740a1, 若否, 则执行步骤S740a2; 0105 步骤S740a1: 将集合A中排序位于最前一位的坐标点从集合A中删除, 返回步骤 S740; 0106 步骤S740a2: 将第二标记坐标点p置为集合A中排序位于最前一位的坐标点, 将 集合A中排序位于最前一位的坐标点添加到全部坐标集合中并从集合A中删除, 返回步骤 S740; 0107 步骤S740b: 将集合A中的坐标点添加到全部坐标集合中, 输出全部坐标集合。 0108 纯人工标注的时候, 对于前景区域的部分轮廓是直线的情况, 例如, 对于真实。
41、目标 区域是正方形的情况, 标注员一般只取用鼠标点击该正方形的四个顶点, 两个相邻顶点之 间拉一条直线。 因此, 表示该正方形的坐标只需要四个像素点, 极大减少了数据量。 而使用 半自动化标注方式时, 由于使用grabcut算法实现自动分割, 并对分割后获得的二值化图片 说明书 7/8 页 10 CN 110992384 A 10 进行边缘跟踪算法获取二值化图片的边缘像素坐标作为当前边缘坐标, 因此当前边缘坐标 都是一系列互为邻域的像素点组成, 而全部坐标集合又是由多次获得的当前边缘坐标构 成, 造成全部坐标集合的数据量很大。 0109 本实施例提供了将获得的全部坐标集合中的坐标进行简化的算法。
42、。 该算法包括两 部分, 第一部分是步骤S710至步骤S720, 这些步骤将全部坐标集合中的坐标点按照其添加 到集合A中的顺序进行排序, 如果按照添加到集合A中的顺序依次经过这些全部坐标集合 中的坐标点, 刚好围成了已选择区域的轮廓。 因此步骤S730至步骤S740组成的第二部分, 就 是按照添加到集合A中的顺序依次检验该已选择区域轮廓上的相邻的三个点是否共线, 如 果共线则把中间的点去掉, 只保留首尾两个点, 实现人工标注时的效果, 减少了半自动标注 产生的数据量。 0110 本发明第七实施例的计算机可读存储介质, 存储有计算机可执行指令, 所述计算 机可执行指令用于执行如上述第二至第六实施。
43、例任一项所述的半自动化图像数据标注方 法。 0111 上面结合附图对本发明实施例作了详细说明, 但是本发明不限于上述实施例, 在 所述技术领域普通技术人员所具备的知识范围内, 还可以在不脱离本发明宗旨的前提下作 出各种变化。 说明书 8/8 页 11 CN 110992384 A 11 图1 说明书附图 1/5 页 12 CN 110992384 A 12 图2 说明书附图 2/5 页 13 CN 110992384 A 13 图3 说明书附图 3/5 页 14 CN 110992384 A 14 图4 说明书附图 4/5 页 15 CN 110992384 A 15 图5 说明书附图 5/5 页 16 CN 110992384 A 16 。
- 内容关键字: 半自动 图像 数据 标注 方法 电子 装置 存储 介质
新型推拉式化妆容器.pdf
车辆后桥制动油管安装结构.pdf
电动玩具车零件喷漆用工件架.pdf
玩具车.pdf
筒体内外圆机加工支撑装置.pdf
多功能加热破壁料理机.pdf
芳烃吸附分离装置程控球阀.pdf
内衣生产用布料收卷机构.pdf
离心机的转篮机构.pdf
铜及铜合金半连续铸造装置.pdf
积木琴玩具.pdf
健身器材用弹簧减震结构.pdf
包装瓶烫金用定位工装.pdf
积木块.pdf
双孔快速均匀进料滤板组合结构.pdf
快速高效过滤器滤芯.pdf
集成防电墙式恒温阀及应用该恒温阀的热水器.pdf
合金钢异型材成型一体机.pdf
液体药物浓度调节器.pdf
游客分类方法、装置及电子设备.pdf
再生铅环集烟气除尘脱硫设备.pdf
隧道施工支护结构及施工方法.pdf
基于大数据分析的电力系统风险预测方法及系统.pdf
安检图像查验方法和装置.pdf
基于机器学习的半导体电阻值预测方法及系统.pdf
由石墨烯材料制成的散热膜及其应用的手机后盖.pdf
电催化氧化医院废水处理装置.pdf
单相复合钙钛矿陶瓷粉体、微波介质陶瓷材料及其制备方法.pdf
半导体用超纯电子级化学试剂纯化装置.pdf
阵列基板制备方法、阵列基板、显示面板及显示装置.pdf
织机了机时间预测方法.pdf
受限空间内燃气燃爆超、动压测试装置及方法.pdf
一种升降式旋转室外消火栓.pdf
框架结构T型连接柱.pdf
防静电地板吸板器.pdf
一种建筑用箱体或井口预留孔洞活动模具.pdf
速成拉建房屋.pdf
预制桥面板精轧螺纹钢筋弧形连接构造.pdf
一种内固定式伸缩门滑行导轨及伸缩门.pdf
多用途封井器.pdf
一种新型圆弧建筑模板紧固件.pdf
一种超实木防水组合踢脚线.pdf
电气柜前门板门锁装置.pdf
双人正杆器.pdf
一种纳米铝塑复合板.pdf
强磁打捞器.pdf
一种基于无刷直流电机的环卫车电动扫盘系统.pdf
一种可调节型门铰链.pdf
一种用于基桩竖向抗压静载试验的船筏式试验装置.pdf
免贴墙砖.pdf
一种聚氨酯仿石材防火保温装饰复合板.pdf