买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京邮电大学申请的专利一种图像自动标注方法、系统及电子设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116580232B 。

龙图腾网通过国家知识产权局官网在2026-03-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310504669.3，技术领域涉及：G06V10/764；该发明授权一种图像自动标注方法、系统及电子设备是由程渤;刘续威;李翔;陈玉立;张书浩设计研发完成，并于2023-05-06向国家知识产权局提交的专利申请。

本一种图像自动标注方法、系统及电子设备在说明书摘要公布了：本发明提供一种图像自动标注方法、系统及电子设备，属于图像标注领域，方法包括：获取待标注图像；基于预先训练好的标注模型对待标注图像进行标注，以确定待标注图像中的目标位置及目标类别；标注模型包括依次连接的特征提取网络、区域建议网络、兴趣域池化层、数据增强网络及检测器；特征提取网络用于提取待标注图像的特征，得到特征图；区域建议网络用于确定特征图中的初步候选区域；兴趣域池化层用于筛选特征图中的初步候选区域，得到最终候选区域；数据增强网络用于根据最终候选区域生成掩模区域；检测器用于对掩模区域进行分类回归，以得到待标注图像中的目标位置及目标类别。本发明提高了图像标注的效率及模型对被遮挡物体的检测能力。

本发明授权一种图像自动标注方法、系统及电子设备在权利要求书中公布了：1.一种图像自动标注方法，其特征在于，所述图像自动标注方法包括： 获取待标注图像； 基于预先训练好的标注模型对所述待标注图像进行标注，以确定所述待标注图像中的目标位置及目标类别；所述标注模型包括依次连接的特征提取网络、区域建议网络、兴趣域池化层、数据增强网络及检测器；所述特征提取网络用于提取所述待标注图像的特征，得到特征图；所述区域建议网络用于确定所述特征图中的初步候选区域；所述兴趣域池化层用于筛选所述特征图中的初步候选区域，得到最终候选区域；所述数据增强网络用于根据最终候选区域生成掩模区域；所述检测器用于对掩模区域进行分类回归，以得到所述待标注图像中的目标位置及目标类别； 所述标注模型的训练方法包括： 获取训练样本集；所述训练样本集中包括多张样本图像、各样本图像的目标位置标签及目标类别标签； 基于ImageNet分类模型初始化区域建议网络的参数，得到初始区域建议网络； 采用所述训练样本集对所述初始区域建议网络进行训练，得到训练好的区域建议网络； 基于ImageNet分类模型初始化FastRCNN网络的参数，得到初始FastRCNN网络； 采用训练好的区域建议网络替换所述初始FastRCNN网络中的选择性搜索算法，得到初始FasterRCNN网络； 采用所述训练样本集对所述初始FasterRCNN网络进行训练，得到训练好的FasterRCNN网络；训练好的FasterRCNN网络包括依次连接的特征提取网络、区域建议网络、兴趣域池化层及检测器； 基于训练好的FasterRCNN网络初始化数据增强网络的参数，得到初始数据增强网络； 通过训练好的FasterRCNN网络的特征提取网络、区域建议网络及兴趣域池化层对各样本图像依次进行特征提取、候选区域提取及候选区域筛选，得到各样本图像的最终候选区域； 针对任一样本图像的任一最终候选区域，将所述最终候选区域划分为3×3的方格，生成9个不同的掩模；将9个不同的掩模叠加在所述最终候选区域中，得到对应所述最终候选区域的掩模区域； 根据各样本图像的各最终候选区域及对应各最终候选区域的掩模区域，对所述初始数据增强网络进行训练，得到训练好的数据增强网络； 根据训练好的数据增强网络及训练好的FasterRCNN网络构建初始标注模型； 采用所述训练样本集对所述初始标注模型进行训练，得到训练好的标注模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。