[發(fā)明專(zhuān)利]一種用于模型訓(xùn)練的圖像獲取方法、裝置、設(shè)備及介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110588260.5
• 申請(qǐng)日: 2021-05-28
• 公開(kāi)（公告）號(hào): CN113033544B
• 公開(kāi)（公告）日: 2021-09-10
• 發(fā)明（設(shè)計(jì)）人: 李盼盼;秦勇
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京世紀(jì)好未來(lái)教育科技有限公司
• 主分類(lèi)號(hào): G06K9/20
• 分類(lèi)號(hào): G06K9/20;G06K9/62
• 代理公司: 北京開(kāi)陽(yáng)星知識(shí)產(chǎn)權(quán)代理有限公司 11710
• 代理人: 王雪

本公開(kāi)涉及一種用于模型訓(xùn)練的圖像獲取方法、裝置、設(shè)備及介質(zhì)，包括：獲取標(biāo)記有文本框的第一標(biāo)記樣本圖像、任意未標(biāo)記文本框的第一原始樣本圖像以及任意未標(biāo)記文本框的第二原始樣本圖像的第一二值化圖像；通過(guò)目標(biāo)生成模型對(duì)第一標(biāo)記樣本圖像、第一原始樣本圖像和第一二值化圖像進(jìn)行編碼和解碼，生成第一解碼圖像；通過(guò)待訓(xùn)練的文本檢測(cè)模型檢測(cè)第一解碼圖像中的文本框，并在比較第一解碼圖像中檢測(cè)的文本框，與第一標(biāo)記樣本圖像中標(biāo)注的文本框之間未達(dá)到預(yù)設(shè)匹配度的情況下，將第一原始樣本圖像和第二原始樣本圖像加入至圖像訓(xùn)練集。本公開(kāi)能夠在花費(fèi)較小人工成本的情況下獲取大量具有多樣性的訓(xùn)練圖像。

技術(shù)領(lǐng)域

本公開(kāi)涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種用于模型訓(xùn)練的圖像獲取方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)

文本檢測(cè)在計(jì)算機(jī)視覺(jué)任務(wù)中應(yīng)用廣泛。目前，在文本檢測(cè)的實(shí)際應(yīng)用中，如果想要取得較好的檢測(cè)效果，都需要人工標(biāo)注大量的有差異性的訓(xùn)練數(shù)據(jù)，對(duì)文本檢測(cè)模型進(jìn)行有監(jiān)督訓(xùn)練，但是這會(huì)極大增加人工成本。

發(fā)明內(nèi)容

為了解決上述技術(shù)問(wèn)題或者至少部分地解決上述技術(shù)問(wèn)題，本公開(kāi)提供了一種用于模型訓(xùn)練的圖像獲取方法、裝置、設(shè)備及介質(zhì)。

本公開(kāi)提供了一種用于模型訓(xùn)練的圖像獲取方法，包括：

獲取標(biāo)記有文本框的第一標(biāo)記樣本圖像、任意未標(biāo)記文本框的第一原始樣本圖像以及任意未標(biāo)記文本框的第二原始樣本圖像的第一二值化圖像；其中，所述第一標(biāo)記樣本圖像、第一原始樣本圖像和第二原始樣本圖像均為包含密集文本的圖像；

獲取預(yù)先訓(xùn)練好的目標(biāo)生成模型；其中，所述目標(biāo)生成模型包括：第一編碼器、第二編碼器、第三編碼器和第一解碼器；

通過(guò)所述目標(biāo)生成模型對(duì)所述第一標(biāo)記樣本圖像、所述第一原始樣本圖像和所述第一二值化圖像進(jìn)行編碼和解碼，生成第一解碼圖像；

通過(guò)待訓(xùn)練的文本檢測(cè)模型檢測(cè)所述第一解碼圖像中的文本框，并比較所述第一解碼圖像中檢測(cè)的文本框，與所述第一標(biāo)記樣本圖像中標(biāo)注的文本框之間的匹配度是否達(dá)到預(yù)設(shè)匹配度；

如果未達(dá)到所述預(yù)設(shè)匹配度，將當(dāng)前第一編碼圖像以及所述當(dāng)前第一編碼圖像對(duì)應(yīng)的所述第一原始樣本圖像和所述第二原始樣本圖像加入至圖像訓(xùn)練集；其中，所述圖像訓(xùn)練集中的圖像用于對(duì)所述待訓(xùn)練的文本檢測(cè)模型進(jìn)行訓(xùn)練。

可選的，所述獲取預(yù)先訓(xùn)練好的目標(biāo)生成模型，包括：

獲取參數(shù)調(diào)整后的初始生成模型；其中，所述初始生成模型與所述目標(biāo)生成模型的結(jié)構(gòu)相同；

獲取第二標(biāo)記樣本圖像、第三原始樣本圖像和第二二值化圖像；

通過(guò)所述初始生成模型對(duì)所述第二標(biāo)記樣本圖像、第三原始樣本圖像和第二二值化圖像進(jìn)行編碼和解碼，生成第二解碼圖像；

將所述第二解碼圖像輸入至預(yù)先構(gòu)建的第一模型；所述第一模型包括：第四編碼器和第二解碼器；

通過(guò)所述第一模型對(duì)所述第二解碼圖像進(jìn)行編碼和解碼，得到第三解碼圖像；

基于所述第二解碼圖像和所述第三解碼圖像，對(duì)所述初始生成模型和所述第一模型進(jìn)行聯(lián)合訓(xùn)練，直至結(jié)束訓(xùn)練，將結(jié)束訓(xùn)練時(shí)的初始生成模型確定為所述目標(biāo)生成模型。

可選的，所述獲取參數(shù)調(diào)整后的初始生成模型，包括：

獲取同一圖像對(duì)應(yīng)的第三標(biāo)記樣本圖像、第四原始樣本圖像和第三二值化圖像；

通過(guò)待參數(shù)調(diào)整的初始生成模型對(duì)所述第三標(biāo)記樣本圖像、第四原始樣本圖像和第三二值化圖像進(jìn)行編碼和解碼，生成第四解碼圖像；

基于所述第四解碼圖像，并采用L1損失函數(shù)和感受野損失函數(shù)對(duì)所述待參數(shù)調(diào)整的初始生成模型進(jìn)行參數(shù)調(diào)整，直至損失函數(shù)值收斂至預(yù)設(shè)值時(shí)結(jié)束訓(xùn)練，得到參數(shù)調(diào)整后的初始生成模型。