申请/专利权人：小视科技(江苏)股份有限公司

申请日：2023-12-29

公开（公告）日：2024-04-02

公开（公告）号：CN117809311A

主分类号：G06V30/146

分类号：G06V30/146;G06V30/19;G06V30/414

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种多模态数据集自动标注的方法，涉及数据标注技术领域，解决了多模态数据集标注效率较低的技术问题，其技术方案要点是通过多模态模型LLaVA‑1.5获取图片的文本描述，通过大语言模型Vicuna‑13B提取文本描述中的实例，再基于多个模型修正实例描述，且新增具有空间属性的实例描述，最后根据检测模型GroundingDINO获取图片与实例描述对应的矩形框，完成多模态数据集的自动标注，显著提高了标注效率。

主权项：1.一种多模态数据集自动标注的方法，其特征在于，包括：步骤S1：将图片输入到多模态模型LLaVA-1.5，对图片的文本描述进行获取；步骤S2：将图片的文本描述输入到大语言模型Vicuna-13B，对文本描述中的实例及其对应的描述进行获取，得到多个第一实例描述；步骤S3：通过检测模型GroundingDINO对第一实例描述进行修正，得到第二实例描述；步骤S4：对第二实例描述的空间属性进行增加，得到第三实例描述；步骤S5：通过检测模型GroundingDINO对图片与第三实例描述对应的矩形框进行提取，并输出第三实例描述及其对应的矩形框，完成多模态数据集的自动标注。

全文数据：

权利要求：

百度查询： 小视科技(江苏)股份有限公司 一种多模态数据集自动标注的方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD