[發明專利]樣本圖像的處理方法及裝置、電子設備、存儲介質

在審

• 申請號: 202011000420.1
• 申請日: 2020-09-23
• 公開（公告）號: CN112132213A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 張發恩;敖川;秦永強
• 申請（專利權）人: 創新奇智（南京）科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T17/00;G06T15/20;G06T7/529;G06T7/70
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 鐘揚飛

本申請提供一種樣本圖像的處理方法及裝置、電子設備、存儲介質，該方法包括：獲取場景模型以及多種物體模型；在場景模型中堆疊多種物體模型；根據目標物品的多種位置和多種姿態，在場景模型中以相應位置和姿態堆疊目標物品的三維模型，得到包含目標物品的多種虛擬場景；按照配置的虛擬相機的拍攝范圍，生成虛擬場景圖像和對應的標注，得到樣本圖像集。上述方案可以提高樣本圖像獲取的效率，無需人工標注，降低人工采集訓練樣本并標注的工作量，解決人工標注易錯誤的問題，從而提高基于此樣本圖像訓練得到的算法模型的準確性。

技術領域

本申請涉及圖像處理技術領域，特別涉及一種樣本圖像的處理方法及裝置、電子設備、存儲介質。

背景技術

在商品零售領域，基于深度學習的方案來進行渠道監控已經被大規模采用。在現有方案中，客戶通過輸入零售商品圖像，經過CNN檢測模型識別后，得到該圖像所含商品的類別以及在圖像中的位置。

目前的技術方案在應對上新場景時效率和準確率較低。上新是指當客戶推出一個零售新品時，深度學習模型需要同步更新使得模型具備識別新品的能力。當前技術方案在上新時，需要完成數據采集、數據標注和重新訓練三個步驟，其中數據采集和標注均為人工操作，導致效率較低。由于一般是在實驗室場景對新品進行數據采集，這樣得到的數據在數據多樣性方面與線上數據存在差異，從而導致由自采數據訓練得到的模型對于線上新品的識別準確率較低。

發明內容

本申請實施例提供了樣本圖像的處理方法，無需人工采集訓練樣本，提高效率。

本申請實施例提供了一種樣本圖像的處理方法，包括：

獲取場景模型以及多種物體模型；

在所述場景模型中堆疊多種所述物體模型；

根據目標物品的多種位置和多種姿態，在所述場景模型中以相應位置和姿態堆疊所述目標物品的三維模型，得到包含所述目標物品的多種虛擬場景；

按照配置的虛擬相機的拍攝范圍生成虛擬場景圖像和對應的標注，得到樣本圖像集。

在一實施例中，所述在所述場景模型中堆疊多種所述物體模型，包括：

在所述場景模型中隨機堆疊多種所述物體模型；

或者，

根據每類物體的真實場景位置和真實場景姿態，在所述場景模型中按照所述真實場景位置以所述真實場景姿態堆疊同類物體的物體模型。

在一實施例中，在所述根據目標物品的多種位置和多種姿態，在所述場景模型中以相應位置和姿態堆疊所述目標物品的三維模型之前，所述方法還包括：

獲取點云獲取設備采集的所述目標物品的三維幾何形狀以及雙向反射分布函數測量設備采集的所述目標物品的三維紋理特征，得到所述目標物品的三維模型。

在一實施例中，在所述按照配置的虛擬相機的拍攝范圍，生成虛擬場景圖像和對應的標注之前，所述方法還包括：

按照配置的燈光數據，在所述虛擬場景中布置相應的燈光效果。

在一實施例中，所述按照配置的虛擬相機的拍攝范圍，生成虛擬場景圖像和對應的標注，包括：

按照配置的虛擬相機的位置和姿態，確定虛擬相機的拍攝范圍；

通過物理渲染器獲取每種虛擬場景中所述拍攝范圍內包含所述三維模型的虛擬場景圖像以及所述三維模型所在的位置坐標。

在一實施例中，在所述得到樣本圖像集之后，所述方法還包括：

將包含所述三維模型的虛擬場景圖像作為輸入，所述三維模型所在的位置坐標以及所述目標物品的類別作為輸出，訓練神經網絡模型。