首页|基于深度学习的半监督图像标注系统设计与实现

基于深度学习的半监督图像标注系统设计与实现

Design and implementation of semi-supervised image labeling system based on deep learning

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对深度学习研究中标注训练样本费时费力的问题,以食用菌为研究对象,设计一种基于深度学习的半监督图像标注方法.该方法将深度学习目标检测模型与迭代图像标注工作有效结合,采用“检测模型训练—目标自动检测—人工标注修正—检测模型更新”的迭代操作,实现半监督方式的图像标注.基于所设计的方法构建了半监督图像标注系统,在试验中对系统进行性能评测和分析.结果 表明:迭代更新后的检测模型在测试集上的检测准确率为98.1％,召回率为88.5％,平均准确率为88.3％;利用所构建的半监督图像标注系统可以实现15 s/幅的标注速度,单幅图像的标注耗时仅为纯手工标注耗时的2.5％,图像标注时间代价大幅降低.研究结果为深度学习研究中的训练样本标注提供了高效的标注方法和工具,有助于提高图像标注效率,减少人力成本投入.

胡明玉、夏雪、杨晨雪、曹景军、柴秀娟

展开 >

中国农业科学院农业信息研究所,北京100081

农业农村部农业大数据重点实验室,北京100081

图像标注 深度学习 目标检测 食用菌 半监督

国家自然科学基金中国农科院科技创新工程项目中央级公益性科研院所基本科研业务费专项

61976219CAAS-ASTIP-2016-AII2019 JKY041

2021

10.11841/j.issn.1007-4333.2021.05.15

中国农业大学学报
中国农业大学

中国农业大学学报

CSTPCDCSCD北大核心
影响因子：0.971
ISSN：1009-508X
年,卷(期)：2021.26(5)
  • 1
  • 7