一种实例分割数据集的半自动标注方法、装置及可读介质

    公开(公告)号:CN113554068B

    公开(公告)日:2023-10-31

    申请号:CN202110758660.6

    申请日:2021-07-05

    Applicant: 华侨大学

    Abstract: 本发明公开了一种实例分割数据集的半自动标注方法、装置及可读介质,通过分别对实例分割模型和图像分类模型进行训练;使用训练好的实例分割模型对图像数据集合中的第一数据集进行预测,得到第一预测结果,基于第一预测结果确定每张图像中包含单个物体的图像,将单个物体的图像输入训练好的图像分类模型,得到第二预测结果,将单个物体的第一预测结果与第二预测结果进行对比,根据比对结果人工纠正每张图像中的单个物体的第一种类和掩膜,得到伪标签实例分割数据集;将人工实例分割数据集和伪标签实例分割数据集混合作为实例分割数据集,对实例分割模型重新训练,得到最终的实例分割模型。本方法使用少量的人工标注数据,成本低并具有较高的精度。

    一种基于PaddleDetection的混淆矩阵生成方法

    公开(公告)号:CN114120057A

    公开(公告)日:2022-03-01

    申请号:CN202111320510.3

    申请日:2021-11-09

    Applicant: 华侨大学

    Abstract: 本发明提供了一种基于PaddleDetection的混淆矩阵生成方法,包括:在PaddlePaddle平台下运用PaddleDetection目标检测开发套件训练目标检测网络;获取有标注的测试数据集,分为两个文件夹,一个文件夹放json文件,另一个放对应的图片文件,并得到真实的目标物体外接矩形框;运用infer.py图片文件进行预测,得到预测标签;得出预测修正得到的矩形检测框;将真实矩形框与预测修正得到的矩形检测框进行循环匹配,将统计得到的值记录在矩阵上;创建excle表格,将记录的矩阵填充到excle表格中,绘制出用于评价模型实际应用效果的混淆矩阵,本发明方法能通过目标检测网络预测的检测框与实际的目标检测框进行匹配,绘制在混淆矩阵上,以便对于模型各个种类的识别结果进行统计研究,优化网络模型的训练方法。

Patent Agency Ranking