[發明專利]圖像中的分層多類曝光缺陷分類

在審

• 申請號: 202110272384.2
• 申請日: 2021-03-12
• 公開（公告）號: CN113808069A
• 公開（公告）日: 2021-12-17
• 發明（設計）人: A·庫瑪;林哲;W·L·馬里諾
• 申請（專利權）人: 奧多比公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 酆迅

本公開的實施例涉及圖像中的分層多類曝光缺陷分類。本發明的實施例提供了用于使用經由有限量的標記的訓練圖像而被訓練的神經網絡來檢測和分類圖像中的曝光缺陷的系統、方法和計算機存儲介質。圖像可以被應用于第一神經網絡，以確定圖像是否包括曝光缺陷。檢測到的缺陷圖像可以被應用于第二神經網絡，以確定圖像的曝光缺陷分類。曝光缺陷分類可以包括嚴重曝光不足、中度曝光不足、輕度曝光不足、輕度曝光過度、中度曝光過度、嚴重曝光過度等。圖像可以與曝光缺陷分類一起被呈現給用戶。

技術領域

本公開的實施例一般地涉及神經網絡，并且更具體地涉及使用神經網絡來檢測和分類圖像中的曝光缺陷(exposure defect)。

背景技術

隨著數字內容(圖像、視頻、動畫)在其上被創建和消耗的頻道(例如手機、便攜式相機、膝上型電腦、平板電腦)的數量激增，在消耗之前高效地檢測和組織缺陷內容已經變得極為重要。用以捕獲和存儲數字介質的具有傳感器的便攜式和方便設備(例如相機)的越來越多的使用已經允許用戶收集大量的介質。附加地，各種應用(諸如但不限于Stock、等)提供了大型的圖像存儲庫以供用戶消耗。在這種應用中，圖像可以被應用的用戶上載。

被新手和專業攝影師兩者捕獲的數字圖像通常可能遭受曝光缺陷，諸如曝光過度和曝光不足。隨著數字介質的收集越來越大，為了維持針對介質收集的某些質量，檢測這種曝光缺陷已經變得越來越重要。然而，曝光缺陷檢測通常需要在準確檢測的需求與效率的需求之間取得平衡。當大量介質被用戶存儲或被存儲在應用存儲庫中時，檢測數字介質中的曝光缺陷變得特別麻煩。當前的曝光缺陷檢測解決方案不足以提供這種平衡。通常，利用現有解決方案，用戶必須手動檢測具有曝光缺陷的介質。在一些情況下，手動檢測的成本和乏味可能導致用戶沮喪或用戶接受低于標準的內容，從而限制了數字介質存儲庫的可用性。

發明內容

本發明的實施例涉及用以使用經由有限量的標記的訓練數據而被訓練的神經網絡來高效且準確地檢測和分類圖像中的曝光缺陷的曝光缺陷分類系統。就這一點而言，圖像可以被應用于所訓練的第一神經網絡以確定圖像是否包括曝光缺陷。然后，如果圖像被確定包括曝光缺陷，則圖像可以被應用于第二神經網絡。第二神經網絡可以被訓練以將圖像分類為包括曝光過度缺陷或曝光不足缺陷。在一些實施例中，第二神經網絡可以輸出指示輸入圖像中的曝光不足水平和/或曝光過度水平的曝光分數。水平可以對應于曝光缺陷分類類型，諸如但不限于中度曝光過度、嚴重曝光過度、輕度曝光過度、中度曝光不足、嚴重曝光不足和/或輕度曝光不足。然后，具有曝光缺陷的圖像可以基于分類和/或分數而被呈現和/或存儲。

如此，用戶可以被高效地、有效地并且自動地提供有關于曝光缺陷存在圖像的相關信息。這種情況使得用戶能夠容易地描繪關于基礎圖像的相關信息，而不必在視覺上搜索整個圖像圖庫以找到可能遭受曝光缺陷的圖像，從而允許用戶高效地去除和/或修復缺陷圖像。

提供本發明內容以按照簡化形式介紹構思的選擇，在下文具體實施方式中會進一步描述這些構思。本發明內容既不旨在標識所要求保護的主題的關鍵特征或本質特征，也不旨在被用于輔助確定所要求保護的主題的范圍。

附圖說明

下文參考附圖詳細描述本發明，在附圖中：

圖1是根據本發明的實施例的適合用于實現本發明的實施例的示例性環境的框圖；

圖2是圖示針對根據本發明的實施例的使用神經網絡的圖像的曝光缺陷分類的示例過程的數據流程圖；

圖3圖示了根據本發明的實施例的用于訓練二進制模型的示例過程；

圖4圖示了根據本發明的實施例的缺陷檢測系統的示例輸出；

圖5是示出了根據本發明的實施例的用于檢測和分類圖像中的曝光缺陷的方法的流程圖；以及

圖6是適合用于實現本發明的實施例的示例性計算設備的框圖。

具體實施方式