[發明專利]一種多圖片集曝光分布差異的衡量方法

在審

• 申請號: 202011086121.4
• 申請日: 2020-10-12
• 公開（公告）號: CN112200743A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 何森勖;程坦;徐勇軍;安竹林
• 申請（專利權）人: 中國科學院計算技術研究所廈門數據智能研究院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/40;G06K9/62;G06N20/00
• 代理公司: 廈門致群財富專利代理事務所(普通合伙) 35224
• 代理人: 劉兆慶

本發明公開了一種多圖片集曝光分布差異的衡量方法，包括如下步驟：S1、構造衡量單一灰度圖片曝光度的指標；S2、分別對多個圖片集合IA,IB,…,IN的所有灰度圖片進行曝光值計算，統計所有圖片的曝光值，得到曝光值集合A,B,…,N，對不同曝光值集合分別統計在同一曝光值下的圖片數量得到分布直方圖；S3、衡量多個圖片集合間的統計差異。本發明提出了衡量灰度圖片曝光度以及灰度圖片集合間曝光分布差異的方法，用于衡量是否由于數據集合曝光改變導致深度學習模型效果的下降，為深度學習模型的改進提供參考。

技術領域

本發明涉及計算機技術領域，特別涉及一種多圖片集曝光分布差異的衡量方法。

背景技術

隨著深度學習的興起，基于深度學習的圖片識別、檢測等技術被大量應用于工業場景。在工業產線上，工業相機往往拍攝灰度照片，進行識別模型的訓練。模型上線初期，會先從預批次產線上采集一批數據進行標注和訓練，將模型調整到較高的識別率，之后應用于其他產線上。然后深度學習訓練出的模型識別效果常受限于訓練數據。產線變化后，原采集數據的分布不完全與變化后產線采集的數據一致，此時再使用預批次產線數據訓練模型識別時，識別效果下降。

采集數據整體受到較多因素的影響，在灰度圖片中，圖片的曝光程度是影響圖片變化的一個重要因素，如圖片過曝或曝光不充分都會影響圖片的變化。因此，利用圖片的曝光度來衡量采集數據整體分布的差異變得十分重要。

發明內容

為解決上述問題，本發明提供了一種多圖片集曝光分布差異的衡量方法。

本發明采用以下技術方案：

一種多圖片集曝光分布差異的衡量方法，包括如下步驟：

S1、構造衡量單一灰度圖片曝光度的指標；

S2、分別對多個圖片集合IA,IB,…,IN的所有灰度圖片進行曝光值計算，統計所有圖片的曝光值，得到曝光值集合A,B,…,N，對不同曝光值集合分別統計在同一曝光值下的圖片數量得到分布直方圖；

S3、衡量多個圖片集合間的統計差異。

進一步地，所述步驟S1具體為：將圖片i輸入亮度增強網絡，得到變換矩陣T(i)，然后將T(i)與圖片i進行按位乘而得到亮度增強的圖片i’，對矩陣T(i)內的元素取平方均值作為圖片i的曝光值。

進一步地，所述亮度增強網絡采用Zero-DCE或EnlightenGAN。

進一步地，所述矩陣T(i)的基本數學形式如下：

其中，m為輸入圖片i的高度，n為輸入圖片i的寬度。

進一步地，所述步驟S3具體為：對曝光值集合A,B,…,N進行K-S檢驗，得到p-value值x，然后對x進行以下計算：最終得到相似度值similarity(x)用于衡量IA,IB,…,IN多圖片集合曝光分布的相似度。

采用上述技術方案后，本發明與背景技術相比，具有如下優點：

本發明從灰度圖片曝光度切入，提出了衡量圖片曝光度以及圖片集合間曝光分布差異的方法，用于衡量是否由于數據集合曝光改變導致深度學習模型效果的下降，為深度學習模型的改進提供參考。

附圖說明

圖1為本發明實施例一的分布直方圖；

圖2為本發明實施例二的分布直方圖。

具體實施方式

為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。

實施例一