[發明專利]學習模型生成裝置、圖像校正裝置及其方法、記錄媒體

在審

• 申請號: 202010098235.4
• 申請日: 2020-02-18
• 公開（公告）號: CN112529030A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 酒井典子
• 申請（專利權）人: 富士施樂株式會社
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 馬爽;臧建明

一種學習模型生成裝置、圖像校正裝置及其方法、記錄媒體，所述學習模型生成裝置具備處理器，所述處理器獲取所拍攝的圖像數據及按拍攝所述圖像數據時的攝影條件而設定且彼此具有依賴關系的多個設定值，利用所述多個設定值計算用于對從所述圖像數據獲得的信息即圖像信息進行分類的評價值，根據所述評價值對所述圖像信息進行分類，利用所述圖像信息按每個分類生成學習模型。

技術領域

本發明涉及一種學習模型生成裝置、圖像校正裝置、記錄媒體、學習模型生成方法及圖像校正方法。

背景技術

專利文獻1中公開有一種圖像學習裝置，其學習從攝像裝置輸入的圖像來判別存在于圖像中的對象，所述圖像學習裝置的特征在于，具備：初始登錄單元，以預先設定的攝影條件拍攝所述對象，并初始登錄該拍攝的圖像及表示該圖像的攝影條件的攝影配置文件；不足圖像獲取單元，根據通過所述初始登錄單元登錄的所述圖像或所述攝影配置文件中的至少1個來判斷所述學習中所需的不足圖像，并使所述攝像裝置獲取該不足圖像；不足圖像追加登錄單元，將通過所述不足圖像獲取單元獲取的不足圖像及該不足圖像中附帶的攝影配置文件追加登錄到所述初始登錄單元；學習樣品提取單元，從登錄于所述不足圖像追加登錄單元的圖像或攝影配置文件中的至少1個提取用于所述學習的學習樣品；及學習單元，利用所述提取的學習樣品進行所述學習。

專利文獻2中公開有一種圖像處理裝置，其具備：接收單元，接收由顏色轉換之前的圖像信息及顏色轉換之后的圖像信息構成的圖像信息組；及顏色轉換特性制作單元，根據從拍攝所述顏色轉換之前的圖像時的攝影條件中設定的攝影設定信息，制作對圖像進行顏色轉換的顏色轉換特性。

專利文獻3中公開有一種圖像處理裝置，其對通過數碼相機獲取的圖像數據實施圖像處理，所述圖像處理裝置的特征在于，具備：標簽信息輸入單元，獲取所述圖像數據中附帶的標簽信息；場景判斷單元，根據所述標簽信息判斷所述圖像數據的攝影場景；圖像處理條件設定單元，設定與所述攝影場景相應的圖像處理條件；圖像處理單元，按照所設定的所述圖像處理條件對所述圖像數據進行圖像處理；及后處理單元，對已實施所述圖像處理的圖像數據實施與圖像的類別相應的后處理，該后處理單元根據攝影者信息確定所述圖像的類別，選擇與所確定的圖像的類別相應的輸出配置文件，利用所選擇的所述輸出配置文件實施所述后處理。

專利文獻1：日本特開2004-213567號公報

專利文獻2：日本特開2019-083445號公報

專利文獻3：日本特開2003-111005號公報

若利用機械學習進行所輸入的圖像數據的校正，則需要大量的圖像數據及學習次數，學習工作繁雜。存在生成如下學習模型的技術，該學習模型中，考慮攝影條件，利用根據使用頻度高的圖像數據組或標簽進行分類的圖像數據進行學習，對輸入數據輸出與所學習的圖像數據的關聯性相應的輸出數據。

然而，需要與各攝影條件相應的圖像數據及學習工作，并不一定能夠減少學習模型的數量。

發明內容

本發明的目的在于提供一種學習模型生成裝置、圖像校正裝置、記錄媒體、學習模型生成方法及圖像校正方法，所述學習模型生成裝置與按存在多個的攝影條件制作學習模型的情況相比，即使攝影條件涉及多方面時也能夠減少學習模型的數量。

用于解決課題的手段

方案1的學習模型生成裝置具備處理器，處理器獲取所拍攝的圖像數據及按拍攝圖像數據時的攝影條件而設定且彼此具有依賴關系的多個設定值，利用多個設定值計算用于對從圖像數據獲得的信息即圖像信息進行分類的評價值，根據評價值對圖像信息進行分類，利用圖像信息按每個分類生成學習模型。

方案2的學習模型生成裝置在方案1所涉及的學習模型生成裝置中，在根據評價值對圖像信息進行分類之后，根據多個設定值中的1個設定值進一步對圖像信息進行分類。