本发明专利技术公开了一种基于图像的不规则实例的低成本自动分割标注方法，包括如下步骤：S1、训练目标检测模型；S2、构建单一实例显著性区域；S3、采用VST分割单一实例图像；S4、采用Suzuki边界追踪算法supgt;]/supgt;获取二值图实例边界点；S5、将S4中获取的二值图边界点转换成标注文件。这种方法鲁棒性和泛化能力强，降低人工标注成本，减少人工标注依赖，减少前期数据标注时间，提高了标注效率，为图像分割提供数据基础，推动图像分割、自动化采摘、视频抠图等领域发展。

　　本专利技术涉及实例分割的领技术域，具体是一种基于图像的不规则实例的低成本自动分割标注方法。

　　1、随着计算机技术的飞速发展，计算机视觉逐渐细化形成了自己的科学体系，其中图像分割作为图像处理领域的重要分支，起着越来越重要的作用。图像分割是指将图像划分成互不相交的、有意义的子区域，在同一个区域的像素点具有一定的相关性，不同区域的像素点存在一定的差异性，即是对图片中有相同性质的像素赋予相同标签的过程。

　　2、传统图像分割方法是早期的分割手段，它们大多简单有效，经常作为图像处理的预处理步骤，用以获取图像的关键特征信息，提升图像分析的效率，传统方法大多数基于阈值、边缘、区域、聚类、图论及特定理论等，然后使用这些方法对相同的图像进行分割处理。传统图像分割方法大多利用图像的表层信息，对于需要大量语义信息的分割任务则不适用，鲁棒性和泛化性无法应对实际的需求。

　　3、随着深度学习的发展及引入，计算机视觉领域借此取得了突破性进展，深度学习成为了图像处理的重要手段，将其引入到图像分割领域，可以充分利用图像的语义信息，实现图像的分割。为应对图像分割场景

　　1.一种基于图像的不规则实例的低成本自动分割标注方法，其特征在于，包括如下步骤：