买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:广西师范大学
摘要:本发明公开了一种基于图像的不规则实例的低成本自动分割标注方法,包括如下步骤:S1、训练目标检测模型;S2、构建单一实例显著性区域;S3、采用VST分割单一实例图像;S4、采用Suzuki边界追踪算法]获取二值图实例边界点;S5、将S4中获取的二值图边界点转换成标注文件。这种方法鲁棒性和泛化能力强,降低人工标注成本,减少人工标注依赖,减少前期数据标注时间,提高了标注效率,为图像分割提供数据基础,推动图像分割、自动化采摘、视频抠图等领域发展。
主权项:1.一种基于图像的不规则实例的低成本自动分割标注方法,其特征在于,包括如下步骤:S1、训练目标检测模型:S1-1、标注目标检测图像:运用Labelimg图像标注工具对图像中的不规则条状物体进行包围盒标记并命名,标注出该条状物体的位置信息和类别,标注完成得到xml格式的标注文件;S1-2、划分数据集:将图像按照COCO数据集的格式命名,同时创建名为Annotations、TrainImage、ValImage和TestImage的四个文件夹,按照实际情况将步骤S1-1得到的标注文件保存在Annotations中,图像按照比例分别划分至TrainImage、ValImage和TestImage三个文件夹中;S1-3、数据增强:对步骤S1-2TrainImage文件夹里的图像选择图像扩增方式进行扩增处理;S1-4、选择目标检测模型,在目标检测网络模型的配置文件中,根据目标检测模型和数据集确定所需的训练参数,设置模型输入图像的尺寸、检测种类的数量和迭代次数,训练获得目标检测模型权重;S2、构建单一实例显著性区域:使用步骤S1训练好的目标检测模型权重预测图像,获得图像中的实例包围盒,由于实例包围盒大小不一,为了进一步构建实例的显著性,将包围盒的长和宽分别扩大5%-10%并裁剪,获得显著性单一实例图像;S3、采用VST分割单一实例图像:将步骤S2中显著性单一实例图像统一重设尺寸为226x226图像,输入进VST模型,分割成二值图;S4、采用Suzuki边界追踪算法获取二值图实例边界点,Suzuki边界追踪算法描述如下:S4-1、通过8邻域的方式检测二值图边界;其中,二值图中心点表示为px,y,p点8个邻域an的点表示为如下公式1:an=x+i,y+j,-1≤i,j≤11S4-2、判断边界点条件Sukuzi算法计算二值图,定义黑色为背景、数值为0;白色为实例、值为1,黑白交接处的黑色点是实例边界点,判断当前点a是否为二值图实例边界点的条件如公式2: 其中,an为当前点a周围的8个方向的相邻点;S4-3、更新追踪方向条件定义一个变量temp,用来存储移动方向,按Res方向寻找遇到新的边界时,即找到的第一个与背景像素值不同的像素点,则该像素点是一个新的实例边界点,如公式3 若当前的点Pn等于第二个点P1,而且前面一个点Pn-1等于起始点P0,则停止边界追踪,改点p1则为边界点,否则,继续寻找新的方向追踪边界;最终检测到的实例边界点由边界点P0,P1,……,Pn-1构成;S5、将S4中获取的二值图实例边界点转换成标注文件:S5-1、使用labelme版本,将S4获取的二值图边界点转换为符合labelme的子json文件;S5-2、将属于同一图像下的多个子json文件汇总成一个json文件。
全文数据:
权利要求:
百度查询: 广西师范大学 基于图像的不规则实例的低成本自动分割标注方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。