申请/专利权人：山西省智慧交通研究院有限公司

申请日：2024-01-26

公开（公告）日：2024-04-19

公开（公告）号：CN117911809A

主分类号：G06V10/774

分类号：G06V10/774;G06N3/0464;G06V20/54;G06V10/82;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：一种基于Labelimg和Easydata的六轴篷布货车快速标注方法，包括如下步骤：步骤一：人工筛选标注；步骤二：预训练；步骤三：人工核对；步骤四：数据增强；步骤五：再次训练。本发明首先采用人工筛选针对不同场景的少量图片进行人工标注，接着通过对人工标注后进行YOLOv8目标检测算法训练后产生的最优模型对庞大的样本集进行自动标注，人工核对错标、漏标的样本内容并加以改正，最后通过数据增强功能对训练后样本集的原图像进行对比度、亮度、颜色、清晰度、方向调整、随机遮挡、左右翻转等处理，旨在希望模型能够在环境变化或者有遮蔽物的情况下也能够做出准确的判断，这样也能同时也增加样本容量。极大优化再次进行YOLOv8目标检测算法训练产生的模型的精确度。

主权项：1.一种基于Labelimg和Easydata的六轴篷布货车快速标注方法，其特征在于：包括如下步骤：步骤一：人工筛选标注，将采集到的数据对目标进行筛选，人工选出少量目标图像，并将目标数据分为不同时间、不同天气、不同交通场景等多种类别，使用Labelimg图像标注工具进行标注；步骤二：预训练，安装YOLOv8的核心代码依赖包ultralytics与pytorch、torchvision、python等第三方依赖库，配置不同类别的数据集yaml文件，在命令行中导入官方目标检测模型“yolov8.pt”，输入训练代码及相关参数进行训练；步骤三：人工核对，让新训练的模型完成对新的5万张左右图片的自动标注，人工再对自动标注的图片人工校对；步骤四：数据增强，通过Easydata的数据增强功能对训练集的原图像进行对比度、亮度、颜色、清晰度、方向调整、随机遮挡、左右翻转等处理，旨在希望模型能够在环境变化或者有遮蔽物的情况下也能够做出准确的判断；步骤五：再次训练，在命令行中导入之前目标检测模型“best.pt”，输入训练代码及相关参数进行训练。

全文数据：

权利要求：

百度查询： 山西省智慧交通研究院有限公司 一种基于Labelimg和Easydata的六轴篷布货车快速标注方法

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。

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