摘要
本发明提供一种基于弱标签数据的图像兴趣区域提取方法及系统,涉及图像处理技术领域,方法包括:获取数据集;通过最小外接旋转矩形框标注图像样本中的兴趣区域标签,得到旋转矩形掩码图;对图像样本进行多尺度缩放,得到不同尺度的图像样本;将不同尺度图像样本输入至图像分割模型进行训练,输出兴趣区域预测图;将兴趣区域预测图映射至所属图像样本中旋转矩形框长短边方向一致的矩形区域,得到旋转矩形映射估计特征图;计算图像样本的损失值;在损失值大于预设损失值的情况下,调整图像分割模型的超参数,重复训练;利用训练后的图像分割模型提取待检测图像的图像兴趣区域。在不降低识别准确性的同时,有效降低标注成本。
技术关键词
旋转矩形框
图像兴趣区域
图像分割模型
样本
标签
基础
计算机可读指令
估计方法
数据
像素点
深度学习模型
多尺度
图像处理技术
处理器
坐标
参数
系统为您推荐了相关专利信息
氨氮浓度预测方法
数据
长短期记忆网络
染色体
判定参数
水电站闸门
识别方法
采样模块
特征金字塔网络
图像
情感分析模型
过滤方法
中文分词工具
BERT模型
词典
异常数据
变电站设备
鲸鱼优化算法
诊断方法
核心
高测量方法
非线性最小二乘拟合
实例分割算法
图像分割模型
直线