(19)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 202211183222.2 (22)申请日 2022.09.27 (71)申请人 中电金信软件 有限公司 地址 100192 北京市海淀区西小口路6 6号 东升科技园C1 (72)发明人 杨艳鑫　郑影　尤江华　王湾湾　 杨恒　王杨俊杰 　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 张润 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/22(2022.01) G06V 10/764(2022.01) G06V 10/74(2022.01)G06V 10/82(2022.01) (54)发明名称 图像标注方法、 装置和电子设备 (57)摘要 本申请提出一种图像标注方法、 装置和电子 设备， 涉及人工智能技术领域。 其中， 方法包括： 分别采用学生模型和教师模型对未标注的第一 图像进行目标检测， 以得到学生模 型输出的第一 检测信息和教师模型输出的第二检测 信息； 根据 第一检测信息和第二检测信息， 确定该第一图像 的目标得分； 根据各第一图像的目标得分， 从各 第一图像中确定第一目标图像； 其中， 第一目标 图像用于进行图像标注， 以得到标注图像， 标注 图像用于对学生模型和教师模型进行更新。 由 此， 基于主动学习技术， 从大量未标注的第一图 像中选择目标得分相对较大的第一目标图像， 仅 对该第一目标图像进行标注， 可以降低模型训练 所需标注的图像数量， 降低标注成本 。 权利要求书3页 说明书22页 附图6页 CN 115527083 A 2022.12.27 CN 115527083 A 1.一种图像标注方法， 其特 征在于， 所述方法包括： 获取第一图像集， 其中， 所述第一图像集中包 含未标注的多个第一图像； 针对所述第一图像， 分别采用学生模型和教师模型对所述第一图像进行目标检测， 以 得到所述学生模型输出的第一检测信息和所述教师模型输出的第二检测信息； 根据所述第一检测信 息和所述第 二检测信 息， 确定所述第 一图像的目标得分， 其中， 所 述目标得分用于指示所述第一检测信息与所述第二检测信息之间的不 一致程度； 根据所述多个第 一图像的目标得分， 从所述多个第 一图像中确定第一目标图像； 其中， 所述第一 目标图像用于进行图像标注， 以得到标注图像， 所述标注图像用于对所述学生模 型和所述教师模型进行 更新。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述第 一检测信 息和所述第 二检 测信息， 确定所述第一图像的目标 得分， 包括： 根据所述第 一检测信 息和所述第 二检测信 息， 确定所述第 一检测信 息中至少一个第 一 检测框和所述第二检测信息中至少一个第二检测框之间的距离； 根据各所述第 一检测框和各所述第 二检测框之间的距离， 确定至少一个匹配对， 其中， 每个所述匹配对中包括 一个第一检测框和一个第二检测框； 根据所述第一检测信息和所述第二检测信息， 确定各 所述匹配对的局部得分； 根据各所述匹配对的局部得分， 确定所述第一图像的目标 得分。 3.根据权利要求2所述的方法， 其特征在于， 所述第 一检测信 息包括至少一个第 一检测 框的第一坐标和所述第一检测框内的目标属于多个第一类别的第一概率， 所述第二检测信 息包括至少一个第二检测框的第二坐标和所述和第二检测框内的目标属于多个第二类别 的第二概率； 所述根据 所述第一检测信 息和所述第 二检测信 息， 确定所述第 一检测信 息中至少一个 第一检测框和所述第二检测信息中至少一个第二检测框之间的距离， 包括： 针对任意一个所述第 一检测框， 根据 所述第一检测框对应的所述第 一坐标和所述多个 第一类别的第一 概率， 生成所述第一检测框的第一描述向量； 针对任意一个第二检测框， 根据所述第 二检测框对应的所述第 二坐标和所述多个第 二 类别的第二 概率， 生成所述第二检测框的第二描述向量； 根据各所述第 一描述向量和所述第 二描述向量之间的距离， 确定各所述第 一检测框和 各所述第二检测框之间的距离 。 4.根据权利要求3所述的方法， 其特征在于， 所述第 一检测信 息还包括所述至少一个第 一检测框的第一置信度， 所述第二检测信息还包括所述至少一个第二检测框的第二置信 度； 所述方法还 包括： 根据各所述第一检测框的第一置信度， 从各所述第一检测框中确定第一候选检测框， 并根据各 所述第二检测框的第二置信度， 从各 所述第二检测框中确定第二 候选检测框； 根据各所述第一候选检测框的第一坐标， 确定各所述第一候选检测框之间的交集， 并 根据各所述第二 候选检测框的第二 坐标， 确定各 所述第二 候选检测框之间的交集； 根据各所述第 一候选检测框之间的交集， 从各所述第 一候选检测框 中确定第 三候选检 测框， 并根据各所述第二候选检测框之间的交集， 从各所述第二候选检测框中确定第四候权　利　要　求　书 1/3 页 2 CN 115527083 A 2选检测框； 确定所述第三候选检测框的第一个数和所述第四候选检测框的第二个数之间的最小 值； 从各所述第 三候选检测框 中选择第 一目标检测框， 并从各所述第四候选检测框 中选择 第二目标检测框， 其中， 所述第一 目标检测框和所述第二 目标检测框的个数均与所述最小 值匹配； 所述根据各所述第一检测框和各所述第二检测框之间的距离， 确定至少一个匹配对， 包括： 根据各所述第 一目标检测框和各所述第 二目标检测框之间的距离， 确定至少一个匹配 对， 其中， 所述匹配对中包括 一个第一目标检测框和一个第二目标检测框 。 5.根据权利要求2所述的方法， 其特征在于， 所述根据所述第 一检测信 息和所述第 二检 测信息， 确定各 所述匹配对的局部得分， 包括： 针对每个所述匹配对， 根据 所述匹配对中第 一检测框的第 一坐标和多个第 一类别的第 一概率， 以及所述匹配对中第二检测框的第二坐标和多个第二类别的第二概率， 确定所述 匹配对的第一损失值和第二损失值； 根据各所述匹配对的第一损失值和第二损失值， 生成中间矩阵； 分别将所述中间矩阵输入第一全连接网络、 第二全连接网络和第三全连接网络， 以得 到所述第一全连接网络输出的第一注意力参数、 所述第二全连接网络输出的第二注意力参 数和所述第三全连接网络 输出的第三注意力参数； 根据所述第一注意力参数、 所述第二注意力参数和所述第三注意力参数， 确定得分矩 阵； 根据所述得分矩阵中各 行元素的取值， 确定各 所述匹配对的局部得分。 6.根据权利要求5所述的方法， 其特征在于， 所述得分矩阵中包含a行元素， a为所述匹 配对的个数， 所述根据所述得分矩阵中各行元素的取值， 确定各所述匹配对的局部得分， 包 括： 将所述得分矩阵中第i行元素的取值累加， 以得到第i个匹配对的局部得分， 其中， i为 不大于a的正整数； 或者， 将所述得分矩阵中第i行 元素的取值进行加权求和， 以得到第i个匹配对的局部得分。 7.根据权利要求1 ‑6中任一项所述的方法， 其特征在于， 所述分别 采用学生模型和教师 模型对所述第一图像进行目标检测之前， 所述方法还 包括： 获取第二图像集， 其中， 所述第二图像集中包 含已标注的至少一个第二图像； 采用所述学生模型对所述第二图像进行目标检测， 以得到第三检测信息； 根据所述第 三检测信 息和所述第 二图像对应的第 一标注信 息之间的差异度， 对所述学 生模型中的各模型参数进行调整； 根据调整后的所述学生模型中的各模型参数， 对所述教师模型中对应模型参数进行调 整。 8.根据权利要求1 ‑6中任一项所述的方法， 其特 征在于， 所述方法还 包括： 获取所述第一目标图像的第二标注信息；权　利　要　求　书 2/3 页 3 CN 115527083 A 3