【发明公布】图像样本生成方法、特定场景目标检测方法及其系统_浙江啄云智能科技有限公司_202010267813.2 

申请/专利权人:浙江啄云智能科技有限公司

申请日:2020-04-08

发明/设计人:李一清;周凯

公开(公告)日:2020-05-12

代理机构:

公开(公告)号:CN111145177A

代理人:

主分类号:G06T7/00(20170101)

地址:310051 浙江省杭州市滨江区浦沿街道六和路中控大厦E座9楼

分类号:G06T7/00(20170101);G06T5/00(20060101);G06K9/62(20060101)

优先权:

专利状态码:在审-公开

法律状态:2020.05.12#公开

摘要:本发明公开了一种用于深度学习的图像样本生成方法、特定场景目标检测方法及其系统。本发明图像样本生成方法通过获得基于安检场所分析的目标场景的实拍安检图像,获得带标注的目标安检图像,确定待融合图像,将待融合图像以新的融合算法处理后得到新样本,无需现场拍摄大量实拍真实场景下的目标图像,也无需手动对上述复杂环境下实拍图像进行标注,算法简单,即可实现灵活快速生成具有场所针对性的新样本图像,通过对比发现本发明方法得到的新样本与实拍的含有检测目标的图像几乎一致,尤其在彩色图像模式下显示出了更加逼真的效果,标注准确度高,提高了智能安检方法中的目标检测任务的效率以及准确率。

主权项:1.一种用于深度学习的图像样本生成方法,其特征在于,包括:S1:对安检场所的待检测物品进行场景组成分析;S2:获得相应组成比例的目标场景的实拍安检图像,组成场景数据集;S3:获得带标注的目标安检图像,组成目标数据集;S4:分别对S2、S3所述安检图像中第i特征层的像素灰度值以如下方式处理: ,其中i=1,2,3;为处理后的第i特征层像素灰度值;其中a[i]为第i特征层的像素灰度值,MAX_PIXEL_VAL[i]为第i特征层理论上的最大灰度值;S5:确定待融合图像,其中,待融合图像包括至少一张S2所述目标场景的实拍安检图像和至少一张S3所述目标图像,将待融合图像的个数记作N,N≥2的整数;S6:对上述待融合图像进行尺寸归一化;S7:将S6所得图像进行融合形成新样本,融合方法如下:在新样本(i,j,k)的像素点上N张图像对应的像素点均有≥δ时,;在剩余像素点上,新样本的像素值设置为;其中,δ为背景色阈值,0<δ<1,是第张图片,为归一化后每个待融合图像的像素灰度值,amean[j][k]为第j行第k列像素的灰度值,anorm[i][j][k]为第j行第k列第i特征层像素的灰度值;S8:多次迭代S5、S6、S7,直至获取到足够样本数作为用于训练的样本组成。

全文数据:

权利要求:

百度查询: 浙江啄云智能科技有限公司 图像样本生成方法、特定场景目标检测方法及其系统

vip会员权益升级
价格优惠/年费监控/专利管家/定制微网站 关闭