[發(fā)明專利]對圖片進(jìn)行目標(biāo)采樣的方法及裝置

有效

• 申請?zhí)枺?/td>: 201811046061.6
• 申請日: 2018-09-07
• 公開（公告）號: CN110569699B
• 公開（公告）日: 2020-12-29
• 發(fā)明（設(shè)計）人: 徐娟
• 申請（專利權(quán)）人: 創(chuàng)新先進(jìn)技術(shù)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06K9/46
• 代理公司: 北京億騰知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11309
• 代理人: 陳霽;周良玉

本說明書實施例提供一種計算機執(zhí)行的對圖片進(jìn)行目標(biāo)采樣的方法和裝置，根據(jù)該方法的一個實施方式，首先獲取預(yù)先通過人工對目標(biāo)進(jìn)行標(biāo)注的圖片，其中，圖片中通過最大標(biāo)注邊框包圍目標(biāo)的最大連續(xù)區(qū)域，通過多個子標(biāo)注邊框分別包圍目標(biāo)的部分連續(xù)區(qū)域，然后，在最大標(biāo)注邊框內(nèi)，按照預(yù)定采樣邊框確定候選采樣區(qū)域，接著，將候選采樣區(qū)域與各個子標(biāo)注邊框所包圍的各個區(qū)域依次進(jìn)行重疊狀況的對比，從而確定對應(yīng)的重疊參數(shù)，并在重疊參數(shù)滿足預(yù)定條件的情況下，將候選采樣區(qū)域采樣為用于訓(xùn)練目標(biāo)檢測模型的正樣本。該實施方式可以提高對目標(biāo)進(jìn)行正樣本采樣的有效性。

技術(shù)領(lǐng)域

本說明書一個或多個實施例涉及計算機技術(shù)領(lǐng)域，尤其涉及通過計算機對圖片進(jìn)行目標(biāo)采樣的方法和裝置。

背景技術(shù)

圖像識別技術(shù)是人工智能的一個重要領(lǐng)域，它是指對圖像進(jìn)行對象識別，以識別各種不同模式的目標(biāo)和對象的技術(shù)。在一個事物包括多個部件的情況下，還可以包括對該事物中各個部件的識別。例如，對人臉圖片中的五官的識別、車輛圖片中各個車輛部件的識別等等。

在對圖像中的目標(biāo)對象進(jìn)行識別的過程中，往往需要預(yù)先通過一定數(shù)量的正樣本和負(fù)樣本訓(xùn)練目標(biāo)檢測模型。不過，目前對許多場景下的目標(biāo)檢測訓(xùn)練的采樣效果不夠理想。例如，對于智能車輛定損場景下的車輛損傷對象的目標(biāo)檢測，需要大量的包含損傷對象的樣本作為正樣本，以及不含損傷對象的樣本作為負(fù)樣本。然而，常規(guī)技術(shù)中，往往出現(xiàn)正樣本采樣不足，以及負(fù)樣本中包含部分損傷對象因而存在大量噪聲干擾的問題。因此，需要提供一種方法，提高正樣本采樣的有效性。

發(fā)明內(nèi)容

本說明書一個或多個實施例描述了一種計算機執(zhí)行的對圖片進(jìn)行目標(biāo)采樣的方法和裝置，可以通過在包圍目標(biāo)的最大連續(xù)區(qū)域內(nèi)采集正樣本，大大提高對目標(biāo)正樣本采樣的有效性。

根據(jù)第一方面，提供了一種計算機執(zhí)行的對圖片進(jìn)行目標(biāo)采樣的方法，包括：獲取用于對目標(biāo)進(jìn)行采樣的圖片，其中，所述圖片至少包括預(yù)先人工標(biāo)注的最大標(biāo)注邊框和位于所述最大標(biāo)注邊框內(nèi)的多個子標(biāo)注邊框，所述最大標(biāo)注邊框用于包圍所述目標(biāo)的最大連續(xù)區(qū)域，所述多個子標(biāo)注邊框分別包圍所述目標(biāo)的部分連續(xù)區(qū)域；在所述最大標(biāo)注邊框內(nèi)，按照預(yù)定采樣邊框確定候選采樣區(qū)域，其中，所述預(yù)定采樣邊框包括具有預(yù)定大小和預(yù)定形狀的邊框；根據(jù)所述候選采樣區(qū)域與各個子標(biāo)注邊框所包圍的各個區(qū)域之間的重疊狀況，確定對應(yīng)的重疊參數(shù)；在所述重疊參數(shù)滿足預(yù)定條件的情況下，將所述候選采樣區(qū)域采樣為用于訓(xùn)練目標(biāo)檢測模型的正樣本。

根據(jù)一方面的實施方式，所述在所述最大標(biāo)注邊框內(nèi)，按照預(yù)定采樣邊框確定候選采樣區(qū)域包括：從所述最大標(biāo)注邊框中確定所述預(yù)定采樣邊框的起始位置；將所述預(yù)定采樣邊框按照預(yù)設(shè)的移動規(guī)則從起始位置移動，以將所述預(yù)定采樣邊框當(dāng)前包圍的區(qū)域確定為所述候選采樣區(qū)域。

根據(jù)另一方面的實施方式，所述在所述最大標(biāo)注邊框內(nèi)，按照預(yù)定采樣邊框確定候選采樣區(qū)域包括：隨機確定所述預(yù)定采樣邊框在所述最大標(biāo)注邊框中的位置；將所述預(yù)定采樣邊框包圍的區(qū)域確定為所述候選采樣區(qū)域。

在一個實施例中，根據(jù)所述候選采樣區(qū)域與各個子標(biāo)注邊框所包圍的各個區(qū)域之間的重疊狀況，確定對應(yīng)的重疊參數(shù)包括：針對所述多個子標(biāo)注邊框中任意一個子標(biāo)注邊框所包圍的第一區(qū)域，獲取所述候選采樣區(qū)域與所述第一區(qū)域的重疊區(qū)域，以及所述候選采樣區(qū)域與所述第一區(qū)域的總包圍區(qū)域；將所述重疊區(qū)域與所述總包圍區(qū)域的第一面積比作為所述重疊參數(shù)。

進(jìn)一步地，根據(jù)一個實施例，所述預(yù)定條件包括，所述候選采樣區(qū)域與任意一個上述子標(biāo)注邊框之間的所述重疊參數(shù)落入預(yù)定范圍。

根據(jù)另一種可能的設(shè)計，所述方法還包括：在所述最大標(biāo)注邊框外，按照所述預(yù)定采樣邊框確定采樣區(qū)域，以作為用于訓(xùn)練目標(biāo)檢測模型的負(fù)樣本。

在一個實施例中，所述圖片為包含車輛損傷的圖片，所述目標(biāo)為連續(xù)損傷。

在一個實施例中，所述多個子標(biāo)注區(qū)域相互之間沒有重疊。