一种应用于AI工业领域的图片样本快速标注方法与流程

一种应用于ai工业领域的图片样本快速标注方法
技术领域
1.本发明涉及图片标注技术领域，具体为一种应用于ai工业领域的图片样本快速标注方法。


背景技术：

2.目前在图片处理领域常用的技术手段主要是，利用大规模的人工标注样本作为训练图片，对神经网络模型进行训练，以便于利用训练后的神经网络模型对待处理的图片数据进行处理，从而提高处理效率，神经网络模型的训练结果与人工标注样本的数量及标注准确性直接相关。
3.为了生产用于人工智能领域模型训练的数据集，需要花费大量的时间、人力及成本对数据进行标注，如何降低人工标注的成本是数据标注平台聚焦的核心问题之一，其中，主动学习是一种用于机器学习的训练数据筛选方法，它可以自动找到高价值数据，相较于人工操作，利用主动学习的方法有助于只花费一小部分时间即可构建更好的数据集，并使用很少的数据训练出高效的模型，从而降低标注成本。
4.现有技术中常用的标注方法有人工标注、半自动化标注和自动化标注，其中，半自动化标注为利用当前相对成熟的标注工具，对候选图片进行先期过滤、预标注，后期再由人工对过滤后、预标注的图片进行验证、遴选，形成最终的样本图片，自动化标注为利用当前相对成熟的算法对未知图片进行自动打标，并打标结果直接用作其它图片的标注结果，在利用主动学习进行数据标注时，标注效率有待提升。


技术实现要素：

5.(一)解决的技术问题
6.针对现有技术的不足，本发明提供了一种应用于ai工业领域的图片样本快速标注方法，具备标注效率提高和精准等优点，解决了利用主动学习进行数据标注时，标注效率有待提升和程序对应复杂的问题。
7.(二)技术方案
8.为实现上述目的，本发明提供如下技术方案：一种应用于ai工业领域的图片样本快速标注方法，包括以下步骤：
9.s1.建立一份任务处理清单，所述任务处理清单中的每一条任务数据关联一幅待标注样本图片的标识码；
10.s2.根据所述任务处理清单中所述任务数据关联的标识号从所述存储单元中提取与所述标识号对应的所述待标注样本图片；
11.s3.读取识别所述待标注样本图片中的标识码，提取所述标识码对应的信息将所述信息转换为标注数据，依据所述标注数据对与所述待标注样本图片的标识码关联的所述任务数据进行更新；
12.s4.对已标注样本图片的任务数据进行验算审批，且基于所述预测结果，通过主动
学习由所述未标注图片集中选取下一步进行标注的待标注图片集；
13.s5.将验算审批通过的所述任务数据的任务列表及对应的所述已标注样本图片生成训练数据；
14.s6.对所述未标注图片集中的图片样本进行预标注，根据所述预测结果对所述待标注图片集中的图片样本进行预标注。
15.一种应用于ai工业领域的图片样本快速标注方法，还包括选择查询单元、提取单元和审核生成单元，对所述任务处理清单中的已标注图片集，训练机器学习模型，所述已标注图片集中包括带有样本标注结果的多个图片样本，训练后的机器学习模型，对所述图片样本集合中的所述已标注图片集之外的未标注图片集进行模型预测，得到所述未标注图片集中的各图片样本分别对应的预测结果。
16.优选的，基于所述预测结果，得到所述未标注图片集中的各个图片样本分别对应的标注信息数值，将所述未标注图片集中的各个图片样本，按照所述标注信息数值排序。
17.优选的，根据排序结果和预先设置的单位图片数量，由所述未标注图片集中选取所述单位图片数量的图片样本，作为下一步进行标注的所述待标注图片集。
18.优选的，所述读取图片的标注信息具体包括创建加载图片样本的标签，创建标注图层，通过javascript自动读取后台提供的标注信息。
19.优选的，将验算审批未通过的与所述任务数据对应的已标注样本图片进行标记，修改与经标记后的所述已标注样本图片对应的所述任务数据，返回执行步骤s4。
20.优选的，所述选择查询单元包括选择自主学习任务处理清单中图片样本，根据图片样本的参数信息，查询是否存在标注信息。
21.优选的，所述提取单元包括用于根据所述任务表单中所述任务数据关联的标识号从所述存储单元中提取与所述标识号对应的接收所述待标注样本图片。
22.优选的，所述审核生成单元包括用于对已标注样本图片的任务数据进行审核，用于将审核通过的所述任务数据的任务列表及对应的所述已标注样本图片生成训练数据，用于响应于所述训练后的机器学习模型的模型精度满足预定精度条件。
23.优选的，采用场景文本检测对已标注样本图片的任务数据进行审核，判断所述已标注样本图片的任务数据与经场景文本检测获取的任务数据是否一致。
24.(三)有益效果
25.与现有技术相比，本发明提供了一种应用于ai工业领域的图片样本快速标注方法，具备以下有益效果：
26.该应用于ai工业领域的图片样本快速标注方法，获取样本图片中目标对象的标识码，根据标识码对与待标注样本图片关联的任务数据进行更新，并对已标注样本图片的任务处理清单进行审核，从而保证标注数据的准确性，将审核通过的任务处理清单的任务列表及对应的样本图片生成训练数据，以便于根据训练数据对数据集模型训练，预标注结果是在机器学习模型达到预定的模型精度时才进行预标注，也有助于保证预标注结果的准确性，并尽量减少人工修正，提升标注效率，帮助标注人员实现有效的期望达成，为提供标注图片样本提供了有效便利。
附图说明
27.图1为本发明提出的一种应用于ai工业领域的图片样本快速标注方法结构示意图；
28.图2为本发明提出的一种应用于ai工业领域的图片样本快速标注方法的局部示意图；
29.图3为本发明提出的一种应用于ai工业领域的图片样本快速标注方法的流程示意图。
具体实施方式
30.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
31.请参阅图1-3，一种应用于ai工业领域的图片样本快速标注方法，包括以下步骤：
32.s1.建立一份任务处理清单，任务处理清单中的每一条任务数据关联一幅待标注样本图片的标识码，
33.s2.根据任务处理清单中任务数据关联的标识号从存储单元中提取与标识号对应的待标注样本图片；
34.s3.读取识别待标注样本图片中的标识码，提取标识码对应的信息将信息转换为标注数据，依据标注数据对与待标注样本图片的标识码关联的任务数据进行更新；
35.s4.对已标注样本图片的任务数据进行验算审批，且基于预测结果，通过主动学习由未标注图片集中选取下一步进行标注的待标注图片集；
36.s5.将验算审批通过的任务数据的任务列表及对应的已标注样本图片生成训练数据；
37.s6.对未标注图片集中的图片样本进行预标注，根据预测结果对待标注图片集中的图片样本进行预标注。
38.一种应用于ai工业领域的图片样本快速标注方法，包括选择查询单元、提取单元和审核生成单元，对任务处理清单中的已标注图片集，训练机器学习模型，已标注图片集中包括带有样本标注结果的多个图片样本，训练后的机器学习模型，对图片样本集合中的已标注图片集之外的未标注图片集进行模型预测，得到未标注图片集中的各图片样本分别对应的预测结果。
39.基于预测结果，得到未标注图片集中的各个图片样本分别对应的标注信息数值，将未标注图片集中的各个图片样本，按照标注信息数值排序；
40.根据排序结果和预先设置的单位图片数量，由未标注图片集中选取单位图片数量的图片样本，作为下一步进行标注的待标注图片集；
41.读取图片的标注信息具体包括创建加载图片样本的标签，创建标注图层，通过javascript自动读取后台提供的标注信息；
42.将验算审批未通过的与任务数据对应的已标注样本图片进行标记，修改与经标记后的已标注样本图片对应的任务数据，返回执行步骤s4；
43.选择查询单元包括选择自主学习任务处理清单中图片样本，根据图片样本的参数信息，查询是否存在标注信息；
44.提取单元包括用于根据任务表单中任务数据关联的标识号从存储单元中提取与标识号对应的接收待标注样本图片；
45.审核生成单元包括用于对已标注样本图片的任务数据进行审核，用于将审核通过的任务数据的任务列表及对应的已标注样本图片生成训练数据，用于响应于训练后的机器学习模型的模型精度满足预定精度条件；
46.采用场景文本检测对已标注样本图片的任务数据进行审核，判断已标注样本图片的任务数据与经场景文本检测获取的任务数据是否一致。
47.该文中出现的电器元件均与外界的主控器及220v市电电连接，并且主控器可为计算机等起到控制的常规已知设备。
48.综上所述，该应用于ai工业领域的图片样本快速标注方法，获取样本图片中目标对象的标识码，根据标识码对与待标注样本图片关联的任务数据进行更新，并对已标注样本图片的任务处理清单进行审核，从而保证标注数据的准确性，将审核通过的任务处理清单的任务列表及对应的样本图片生成训练数据，以便于根据训练数据对数据集模型训练，预标注结果是在机器学习模型达到预定的模型精度时才进行预标注，也有助于保证预标注结果的准确性，并尽量减少人工修正，提升标注效率，帮助标注人员实现有效的期望达成，为提供标注图片样本提供了有效便利。
49.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
50.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。