基于深度学习的半监督图像标注系统设计与实现

摘要：

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.

关键词：图像标注、深度学习、目标检测、食用菌、半监督

所属期刊栏目：26

分类号：TP391.4;TP319(计算技术、计算机技术)

资助基金：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

在线出版日期：2021-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：153-162