一种图像数据标注方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115908977A(43)申请公布日2023.04.04(21)申请号202211459061.5(22)申请日2022.11.17(71)申请人北京远舢智能科技有限公司地址101400北京市怀柔区渤海镇怀沙路536号(72)发明人郭斌李晓波祁恒(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463专利代理师徐炀(51)Int.Cl.G06V10/774(2022.01)G06V10/44(2022.01)G06V10/82(2022.01)G06N3/0464(2023.01)G06N3/08(2023.01)权利要求书2页说明书8页附图6页(54)发明名称一种图像数据标注方法、装置、电子设备及存储介质(57)摘要本申请涉及图像处理技术领域，具体提供一种图像数据标注方法、装置、电子设备及存储介质，获取无标注图像数据集，并将其划分为训练样本和校验样本，且根据预标注目标对所述训练样本中的图像数据进行标注；先基于训练样本中的标注图像数据对原始标注模型进行训练，生成初版标注模型；再基于校验样本中的未标注图像数据对初版标注模型进行进一步训练，生成终版标注模型，以利用所述终版标注模型对批量待标注图像数据集进行自动标注；其中，基于改进的Yolov5网络结构构建原始标注模型，相比现有技术中，通过人工对图像数据进行标注的方式，准确率和效率都得以提升。CN115908977ACN115908977A权利要求书1/2页1.一种图像数据标注方法，其特征在于，所述方法包括以下步骤：获取无标注图像数据集；将所述无标注图像数据集划分为训练样本和校验样本，并且根据预标注目标对所述训练样本中的图像数据进行标注；先基于所述训练样本中的标注图像数据对原始标注模型进行训练，生成初版标注模型；再基于所述校验样本中的未标注图像数据对所述初版标注模型进行进一步训练，生成终版标注模型；基于所述终版标注模型对批量待标注图像数据集进行自动标注。2.根据权利要求1所述一种图像数据标注方法，其特征在于，按照设定的比例将所述无标注图像数据集划分为训练样本和校验样本，其中，所述训练样本的数据量小于所述校验样本的数据量。3.根据权利要求2所述一种图像数据标注方法，其特征在于，基于改进的Yolov5网络结构构建所述原始标注模型；所述改进的Yolov5网络结构包括：输入端，用于输入图像数据，并对所述图像数据进行Mosaic数据增强、自适应锚框计算、自适应图片缩放；主干网络层，包括Focus结构和CSP简化结构，用于对所述图像数据进行特征提取；NECK层，包括FPN结构和PAN结构，用于对所述图像数据提取的特征进行融合；输出端，包括GIOU_Loss函数，用于通过检测框对所述图像数据中的预标注目标进行标注。4.根据权利要求3所述一种图像数据标注方法，其特征在于，所述CSP简化结构包括依次设置于两个CBL组件之间的残差结构、卷积层、归一化层和激活层；所述CBL组件由依次设置的卷积层、归一化层和激活层组成。5.根据权利要求4所述一种图像数据标注方法，其特征在于，所述基于所述校验样本中的未标注图像数据对所述初版标注模型进行进一步训练，生成终版标注模型，包括以下步骤：利用所述初版标注模型对所述校验样本中的未标注图像数进行自动化标注，并获取所述初版标注模型对所述校验样本中未标注图像数据的标注结果；判断所述标注结果的正确率是否达到设定的阈值，若否，将标注结果正确的图像数据与训练样本合并作为当前训练样本，以及将标注结果错误的图像数据作为当前校验样本；基于当前待训练样本中的标注图像数据对上一版标注模型进行训练，生成当前版标注模型；利用所述当前版标注模型对当前校验样本中的图像数据进行重新标注，并获取当前版标注模型对当前校验样本中图像数据的标注结果，直至所述标注结果的正确率达到设定的阈值，将所述当前版标注模型作为终版标注模型。6.根据权利要求5所述一种图像数据标注方法，其特征在于，通过如下方式判断所述标注结果的正确率是否达到设定的阈值：计算当前校验样本中图像数据的第一数据量；获取当前版标注模型对当前校验样本标注结果正确的图像数据，并计算其第二数据量；2CN115908977A权利要求书2/2页基于所述第一数据量和所述第二数据量得到标注结果的正确率，并将所述标注结果的正确率与设定的阈值进行比较，以判断所述标注结果的正确率是否达到设定的阈值。7.根据权利要求1所述一种图像数据标注方法，其特征在于，所述预标注目标为图像数据中的缺陷区域。8.一种图像数据标注装置，其特征在于，所述装置包括：获取模块，用于获取无标注图像数据集；划分模块，用于将所述无标注图像数据集划分为训练样本和校验样本，并且根据预标注目标对所述训练样本中的图像数据进行标注