CN110503693B - 参数标定方法、装置、电子设备以及存储介质 - Google Patents
参数标定方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN110503693B CN110503693B CN201910727311.0A CN201910727311A CN110503693B CN 110503693 B CN110503693 B CN 110503693B CN 201910727311 A CN201910727311 A CN 201910727311A CN 110503693 B CN110503693 B CN 110503693B
- Authority
- CN
- China
- Prior art keywords
- recognition result
- recognized
- target
- result
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种参数标定方法、装置、电子设备以及存储介质。获取电子设备的待标定的影响因素以及影响因素的参数范围,获取待识别图像,待识别图像中包括多个待识别对象,在参数范围内调整影响因素的参数值对待识别图像中的多个待识别对象进行识别,获得多个识别结果,每个识别结果包括第一识别结果和第二识别结果,第一识别结果和第二识别结果呈负相关,从多个识别结果中确定至少一个识别结果作为目标识别结果,获取目标识别结果对应的目标参数值,将目标参数值标定为影响因素的当前参数值。本申请通过电子设备自动调整影响因素的参数值对待识别图像中的待识别对象进行识别,并根据识别结果对影响因素的参数值进行标定,提升标定的效率和效果。
Description
技术领域
本申请涉及标定技术领域,更具体地,涉及一种参数标定方法、装置、电子设备以及存储介质。
背景技术
随着科学技术的发展,电子设备的使用越来越广泛,功能越来越多,已经成为人们日常生活中的必备之一。目前,电子设备在进行图像识别时,识别效果较差,用户体验不佳。
发明内容
鉴于上述问题,本申请提出了一种参数标定方法、装置、电子设备以及存储介质,以解决上述问题。
第一方面,本申请实施例提供了一种参数标定方法,应用于电子设备,所述方法包括:获取所述电子设备的待标定的影响因素以及所述影响因素的参数范围,所述影响因素与图像识别的准确度相关;获取待识别图像,所述待识别图像中包括多个待识别对象;在所述参数范围内调整所述影响因素的参数值对所述待识别图像中的多个待识别对象进行识别,获得多个识别结果,每个识别结果均包括第一识别结果和第二识别结果,所述第一识别结果和所述第二识别结果呈负相关;从所述多个识别结果中确定至少一个识别结果作为目标识别结果;获取所述目标识别结果对应的目标参数值,将所述目标参数值标定为所述影响因素的当前参数值。
第二方面,本申请实施例提供了一种参数标定装置,应用于电子设备,所述装置包括:参数范围获取模块,用于获取所述电子设备的待标定的影响因素以及所述影响因素的参数范围,所述影响因素与图像识别的准确度相关;待识别图像获取模块,用于获取待识别图像,所述待识别图像中包括多个待识别对象;识别结果获取模块,用于在所述参数范围内调整所述影响因素的参数值对所述待识别图像中的多个待识别对象进行识别,获得多个识别结果,每个识别结果均包括第一识别结果和第二识别结果,所述第一识别结果和所述第二识别结果呈负相关;目标识别结果确定模块,用于从所述多个识别结果中确定至少一个识别结果作为目标识别结果;参数标定模块,用于获取所述目标识别结果对应的目标参数值,将所述目标参数值标定为所述影响因素的当前参数值。
第三方面,本申请实施例提供了一种电子设备,包括存储器和处理器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时所述处理器执行上述方法。
第四方面,本申请实施例提供了一种计算机可读取存储介质,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行上述方法。
本申请实施例提供的参数标定方法、装置、电子设备以及存储介质,获取电子设备的待标定的影响因素以及影响因素的参数范围,该影响因素与图像识别的准确度相关,获取待识别图像,该待识别图像中包括多个待识别对象,在参数范围内调整影响因素的参数值对待识别图像中的多个待识别对象进行识别,获得多个识别结果,每个识别结果均包括第一识别结果和第二识别结果,该第一识别结果和第二识别结果呈负相关,从多个识别结果中确定至少一个识别结果作为目标识别结果,获取目标识别结果对应的目标参数值,将目标参数值标定为影响因素的当前参数值,从而通过电子设备自动调整影响因素的参数值对待识别图像中的待识别对象进行识别,并根据识别结果对影响因素的参数值进行标定,提升标定的效率和效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1示出了本申请一个实施例提供的参数标定方法的流程示意图;
图2示出了本申请又一个实施例提供的参数标定方法的流程示意图;
图3示出了本申请再一个实施例提供的参数标定方法的流程示意图;
图4示出了本申请的图3所示的参数标定方法的步骤S370的流程示意图;
图5示出了本申请实施例提供的参数标定装置的模块框图;
图6示出了本申请实施例用于执行根据本申请实施例的参数标定方法的电子设备的框图;
图7示出了本申请实施例的用于保存或者携带实现根据本申请实施例的参数标定方法的程序代码的存储单元。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
目前,随着电子设备技术的发展,电子设备的功能以及用途也越来越多,例如,电子设备可以用于进行图像识别。但是,发明人经过研究发现,电子设备对图像进行识别的准确度与电子设备的一些影响因素相关,因此,为了提升电子设备对图像进行识别的准确度,需要不断地调整电子设备的影响因素以从中获得最优的影响因素,而目前仅可以通过人工调整影响因素,导致调整缓慢且准确率不高。
针对上述问题,发明人经过长期的研究发现,并提出了本申请实施例提供的参数标定方法、装置、电子设备以及存储介质,通过电子设备自动调整影响因素的参数值对待识别图像中的待识别对象进行识别,并根据识别结果对影响因素的参数值进行标定,提升标定的效率和效果。其中,具体的参数标定方法在后续的实施例中进行详细的说明。
请参阅图1,图1示出了本申请一个实施例提供的参数标定方法的流程示意图。所述参数标定方法用于通过电子设备自动调整影响因素的参数值对待识别图像中的待识别对象进行识别,并根据识别结果对影响因素的参数值进行标定,提升标定的效率和效果。在具体的实施例中,所述参数标定方法应用于如图5所示的参数标定装置200以及配置有所述参数标定装置200的电子设备100(图6)。下面将以电子设备为例,说明本实施例的具体流程,当然,可以理解的,本实施例所应用的电子设备可以为智能手机、平板电脑、穿戴式电子设备等,在此不做限定。下面将针对图1所示的流程进行详细的阐述,所述参数标定方法具体可以包括以下步骤:
步骤S110:获取所述电子设备的待标定的影响因素以及所述影响因素的参数范围,所述影响因素与图像识别的准确度相关。
其中,电子设备可以包括多个影响因素,且多个影响因素与电子设备对图像进行识别的准确度相关,也就是说,多个影响因素可以影响电子设备对图像进行识别的好或坏,例如,多个影响因素可以影响电子设备从图像中识别到物体的概率、影响电子设备从图像中识别到的目标物体的概率等,在此不做限定。在一些实施方式中,该影响因素可以包括但不限于:算法输出的准确率、同一物体在单位时间内识别的次数、识别出物体的准确的阈值等。
在本实施例中,可以对电子设备的多个影响因素中的一个或多个影响因素进行标定,以获得更优甚至最优的影响因素,并通过标定后的影响因素提高图像识别的准确率。其中,可以基于用户的选择从多个影响因素中选择需要进行标定的影响因素作为待标定的影响因素,可以基于系统默认从多个影响因素中确定需要进行标定的影响因素作为待标定的影响因素,可以基于多个影响因素中的每个影响因素的典型程度从多个影响因素中确定需要进行标定的影响因素作为待标定的影响因素,可以基于多个影响因素中的每个影响因素对图像识别的准确度的影响程度从多个影响因素中确定需要进行标定的影响因素作为待标定的影响因素。
在一些实施方式中,在确定电子设备的待标定的影响因素后,可以获取该电子设备的待标定的影响因素以及该影响因素的参数范围。其中,影响因素的参数范围包括该影响因素可以被设定的最小值、可以被设定的最大值以及在最小值和最大值之间的中间值,例如,待标定的影响因素为从图片中识别出物体的准确率阈值,待标定的影响因素的参数范围为范围0.0到1.0,即从图片中识别出物体的准确率阈值的包括最小值为0.0、最大值1.0以及在最小值0.0和最大值1.0之间的中间值,例如0.05、0.08等。
步骤S120:获取待识别图像,所述待识别图像中包括多个待识别对象。
在一些实施方式中,待识别图像可以是电子设备通过摄像头采集的预览图像、可以是电子设备从本地的相册调取的照片、可以是电子设备通过网络从服务器下载的图片、也可以是电子设备通过短距离通信技术从其他电子设备获取的图片等,在此不做限定。其中,待识别图像中包括多个待识别对象,其中,待识别对象可以包括人、动物、树木等具有形状的、可以被识别的物体,例如,该待识别图像中包括三个人、一只小狗、一只小猫、一棵树,则待识别图像中包括的多个待识别对象可以为三个人、一只小狗、一只小猫以及一棵树。
在本实施例中,待识别图像的数量可以为一个或多个,其中,当待识别图像的数量为多个时,多个待识别图像中的每个待识别图像均不相同。可以理解的,通过将一个图像作为待识别图像,可以提升图像识别的效率,以提升参数标定的效率;通过将多个不同的图像作为待标识图像,可以提升图像识别的准确率,以提升参数标定的准确率。
步骤S130:在所述参数范围内调整所述影响因素的参数值对所述待识别图像中的多个待识别对象进行识别,获得多个识别结果,每个识别结果均包括第一识别结果和第二识别结果,所述第一识别结果和所述第二识别结果呈负相关。
在一些实施方式中,在获取待识别图像后,可以通过电子设备对待识别图像中的多个待识别对象进行识别,例如,对待识别图像中的三个人、一只小狗、一只小猫以及一棵树进行识别。具体地,电子设备可以在参数范围内动态调整影响因素的参数值对待识别图像中的多个待识别对象进行识别,例如,假设影响因素为从图片中识别出物体的准确率阈值,且从图片中识别出物体的准确率阈值的参数范围为0.0到1.0,那么,电子设备可以在0.0到1.0的范围内动态调整从图片中识别出物体的准确率阈值的参数值,以通过不同的参数值对待识别图像中的多个待识别对象进行识别。
其中,在本实施例中,在参数范围内调整影响因素的参数值可以包括:从参数值由小到大的顺序调整影响因素的参数值、从参数值由大到小的顺序调整影响因素的参数值、依次由参数值由大到小并由小到大的顺序调整影响因素的参数值(由最小值向中间值调整以及由最大值向中间值调整)、按固定参数调整间隔调整影响因素的参数值(例如每次均调整0.01)、按依次增大的参数调整间隔调整影响因素的参数值(例如第一次调整0.01、第二次调整0.02)、按减小的参数调整间隔调整影响因素的参数值(例如第一次调整0.1,第二次调整 0.09)等。当然,在一些实施方式中,还可以包括其他更多调整参数值的方式,在此不再赘述。
在本实施例中,在参数范围内调整影响因素的参数值对待识别图像中的多个待识别对象进行识别后,可以获得多个识别结果,可以理解的是,所获得的识别结果的数量小于或等于调整使用的影响因素的参数值的数量。具体地,当调整使用的影响因素的参数值对应的识别结果均不相同时,那么识别结果的数量等于调整使用的影响因素的参数值的数量,当调整使用的影响因素的参数值对应的识别结果存在相同时,那么识别结果的数量小于调整使用的影响因素的参数值的数量。例如,调整使用的影响因素的参数值的数量为3个,分别为参数值1、参数值2以及参数值3,并且基于参数值1获得识别结果1,基于参数值2获得识别结果2,基于参数值3获得识别结果3,那么,当识别结果1、识别结果2以及识别结果3均不相同时,所获得的识别结果的数量为3个与调整使用的影响因素的参数值的数量相同,当识别结果1、识别结果2以及识别结果 3中任意两个相同时,所获得的识别结果的数量小于3个,即小于调整使用的影响因素的参数值的数量。
在一些实施方式中,每个识别结果均包括第一识别结果和第二识别结果,该第一识别结果和第二识别结果呈负相关。其中,该第一识别结果可以包括从待识别图像中识别到多个待识别对象的概率,第二识别结果可以包括正确识别到多个待识别对象的概率,可以理解的是,从待识别图像中识别到多个待识别对象的概率越大,则正确识别到多个待识别对象的概率越小,而从待识别图像中识别到多个待识别对象的概率越小,则正确识别到多个待识别对象的概率越大。以影响因素为从图片中识别出物体的准确率阈值(0.0到1.0)来讲,设置较低显示阈值,可以提高从待识别图像中识别到多个待识别对象的概率,但是会导致正确识别到多个识别对象的概率降低,相反地,设置较高的显示阈值,可以提高正确识别到多个识别对象的概率,但是会导致从待识别图像中是被到多个待识别对象的概率。
当然,在一些实施方式中,每个识别结果还可以包括其他识别结果,例如第三识别结果、第四识别结果、第五识别结果......等,在此不做限定,其中,其他识别结果呈负相关。
步骤S140:从所述多个识别结果中确定至少一个识别结果作为目标识别结果。
在一些实施方式中,在获得多个识别结果后,可以分别检测每个识别结果中的第一识别结果和第二识别结果的平衡数值,例如,检测从待识别图像中识别到多个待识别对象的概率和正确识别多个待识别对象的概率的平衡数值,再基于每个识别结果中的第一识别结果和第二识别结果的平衡数值中选取最合适的平衡数值,并获取该最合适的平衡数值对应的至少一个识别结果,将该至少一个识别结果作为目标识别结果。
例如,可以在识别结果中的第一识别结果大于第一预设识别结果且第二识别结果大于第二预设识别结果时,将该识别结果确定为目标识别结果,或者在识别结果中的第一识别结果和第二识别结果的方差小于预设方差时,将该识别结果确定为目标识别结果等,在此不做限定。
步骤S150:获取所述目标识别结果对应的目标参数值,将所述目标参数值标定为所述影响因素的当前参数值。
在一些实施方式中,在获得目标识别结果后,可以获取该目标识别结果对应的目标参数值,并将该目标参数值标定为影响因素的当前参数值,即将该目标参数值设定为电子设备对待识别图像进行识别时的影响因素的参数值,以实现识别结果中的第一识别结果和第二识别结果的平衡,提升识别效果。
本申请一个实施例提供的参数标定方法,获取电子设备的待标定的影响因素以及影响因素的参数范围,该影响因素与图像识别的准确度相关,获取待识别图像,该待识别图像中包括多个待识别对象,在参数范围内调整影响因素的参数值对待识别图像中的多个待识别对象进行识别,获得多个识别结果,每个识别结果均包括第一识别结果和第二识别结果,该第一识别结果和第二识别结果呈负相关,从多个识别结果中确定至少一个识别结果作为目标识别结果,获取目标识别结果对应的目标参数值,将目标参数值标定为影响因素的当前参数值,从而通过电子设备自动调整影响因素的参数值对待识别图像中的待识别对象进行识别,并根据识别结果对影响因素的参数值进行标定,提升标定的效率和效果。
请参阅图2,图2示出了本申请又一个实施例提供的参数标定方法的流程示意图。该方法应用于上述电子设备,下面将针对图2所示的流程进行详细的阐述,所述参数标定方法具体可以包括以下步骤:
步骤S210:获取所述电子设备的待标定的影响因素以及所述影响因素的参数范围,所述影响因素与图像识别的准确度相关。
步骤S220:获取待识别图像,所述待识别图像中包括多个待识别对象。
其中,步骤S210-步骤S220的具体描述请参阅步骤S110-步骤S120,在此不再赘述。
步骤S230:在所述待识别图像中对所述多个待识别对象进行标记,其中,标记包括框选所述待识别对象和标识所述待识别对象的名称。
在一些实施方式中,在获得待识别图像后,可以对待识别图像中的多个待识别对象进行标记,其中,标记包括但不限于框选待识别图像中的待识别对象以及标识框选出的待识别对象的名称,可以理解的是,通过对待识别图像中的多个待识别对象进行标记,可以快速且有效的对电子设备所获得的多个识别结果的准确性进行判断,提升参数标定的效率。
作为一种方式,框选待识别对象和标识待识别对象的名称可以由用户手动完成,例如,用户可以手动框选待识别图像中的人、动物、树木,并将所框选的人、动物、树木的名称进行标识。作为另一种方式,框选待识别对象和标识待识别对象的名称可以由已训练的机器模型自动完成,例如,电子设备可以将待识别图像输出已训练的机器模型,并接收电子设备输出的对待识别对象进行标记后的待识别图像。当然,在本实施例中,还可以包括其他更多对待识别图像中的多个待识别对象进行标记的方法,在此不再赘述。
步骤S240:在所述参数范围内调整所述影响因素的参数值对所述待识别图像中的多个待识别对象进行识别,获得多个识别结果,每个识别结果均包括第一识别结果和第二识别结果,所述第一识别结果和所述第二识别结果呈负相关。
其中,步骤S240的具体描述请参阅步骤S130,在此不再赘述。
步骤S250:分别判断每个识别结果中的第一识别结果是否大于第一预设识别结果,以及第二识别结果是否大于第二预设识别结果。
在一些实施方式中,电子设备预先设置并存储有第一预设识别结果和第二预设识别结果,其中,该第一预设识别结果用于作为每个识别结果中的第一识别结果的判断依据,第二预设识别结果用于作为每个识别结果中的第二识别结果的判断依据。在本实施例中,该第一预设识别结果可以大于、等于或者小于第二预设识别结果,例如,该第一预设识别结果为80%且第二预设识别结果为70%、该第一预设识别结果为80%且第二预设识别结果为80%、或者该第一预设识别结果为80%且第二预设识别结果为90%。
在本实施例中,在获取识别结果中的第一识别结果后,将第一识别结果和第一预设识别结果进行比较,以判断该第一识别结果是否大于第一预设识别结果,以及在获取该识别结果中的第二识别结果后,将第二识别结果和第二预设识别结果进行比较,以判断该第二识别结果是否大于第二预设识别结果。例如,当第一预设识别结果为80%且第二预设识别结果为70%时,可以判断每个识别结果中的第一识别结果是否大于80%以及第二识别结果是否大于70%。
步骤S260:当所述第一识别结果大于所述第一预设识别结果,且所述第二识别结果大于所述第二预设识别结果时,将所述识别结果确定为所述目标识别结果。
在一些实施方式中,当判断结果表征第一识别结果大于第一预设识别结果且第二识别结果大于第二预设识别结果时,表征第一识别结果和第二识别结果均在可接受的范围内,即该第一识别结果和第二识别结果满足平衡数值,例如从待识别图像中识别到多个待识别对象该概率和正确识别多个待识别对象的概率满足平衡数值,因此,可以将该第一识别结果和第二识别结果所属的识别结果确定为目标识别结果。
在一些实施方式中,当判断结果表征第一识别结果大于第一预设识别结果且第二识别结果不大于第二预设识别结果时,表征第一识别结果在可接受的范围内,而第二识别结果不在可接受的范围内,即该第一识别结果和第二识别结果不满足平衡数值,因此,可以不将该第一识别结果和第二识别结果所属的识别结果确定为目标识别结果,并继续对其他识别结果所包括的第一识别结果和第二识别结果进行判断。
在一些实施方式中,当判断结果表征第一识别结果不大于第一预设识别结果且第二识别结果大于第二预设识别结果时,表征第一识别结果不在可接受的范围内,而第二识别结果在可接受的范围内,即该第一识别结果和第二识别结果不满足平衡数值,因此,可以不将该第一识别结果和第二识别结果所属的识别结果确定为目标识别结果,并继续对其他识别结果所包括的第一识别结果和第二识别结果进行判断。
在一些实施方式中,当判断结果表征第一识别结果不大于第一预设识别结果且第二识别结果不大于第二预设识别结果时,表征第一识别结果不在可接受的范围内,且第二识别结果不在可接受的范围内,即该第一识别结果和第二识别结果不满足平衡数值,因此,可以不将该第一识别结果和第二识别结果所属的识别结果确定为目标识别结果,并继续对其他识别结果所包括的第一识别结果和第二识别结果进行判断。
步骤S270:获取多个目标识别结果对应的多个目标参数值,输出所述多个目标参数值。
在一些实施方式中,目标识别结果的数量可以为多个。例如,多个识别结果中的第一识别结果大于第一预设识别结果且第二识别结果大于第二预设识别结果。在本实施例中,当目标识别结果的数量为多个时,可以获取多个目标识别结果,并分别获取该多个目标识别结果中的每个目标识别结果对应的目标参数值,从而获得多个目标参数值,并将该多个目标参数值输出。在一些实施方式中,在获得多个目标参数值后,可以通过电子设备的显示屏显示多个目标参数值的方式输出,可以通过电子设备的音频输出模块播放多个目标参数值的方式输出,可以通过电子设备的输入输出接口传输多个目标参数值的方式输出等,在此不做限定。
步骤S280:接收用户基于所述多个目标参数值触发的选择指令,基于所述选择指令从所述多个目标参数值中确定一个目标参数值作为最终目标参数值。
在一些实施方式中,电子设备输出多个目标参数值后,用户可以接收到该多个目标参数值,并对该多个目标参数值进行选择。具体地,用户可以基于多个目标参数值触发选择指令,相应的,电子设备接收该选择指令,并响应该选择指令从多个目标参数值中确定一个目标参数值作为最终目标参数值。其中,用户可以通过在电子设备的显示屏上进行触控操作以触发选择指令,其中,该触控操作可以但不限于包括点击操作、滑动操作、按压操作等,用户也可以通过在电子设备的拾音器输入音频信息以触发选择指令,在此不做限定。
步骤S290:将所述最终目标参数值标定为所述影响因素的当前参数值。
在一些实施方式中,在获得最终目标参数值后,可以将该最终目标参数值标定为影响因素的当前参数值,即将该最终目标参数值设定为电子设备对待识别图像进行识别时的影响因素的参数值,以实现识别结果中的第一识别结果和第二识别结果的平衡,提升识别效果。
本申请又一个实施例提供的参数标定方法,获取电子设备的待标定的影响因素以及该影响因素的参数范围,该影响因素与图像识别的准确度相关,获取待识别图像,该待识别图像中包括多个待识别对象,在待识别图像中对多个待识别对象进行标记,其中,标记包括框选待识别对象和标识待识别对象的名称。在参数范围内调整影响因素的参数值对待识别图像中的多个待识别对象进行识别,获得多个识别结果,每个识别结果均包括第一识别结果和第二识别结果,该第一识别结果和第二识别结果呈负相关,分别判断每个识别结果中的第一识别结果是否大于第一预设识别结果,以及第二识别结果是否大于第二预设识别结果,当第一识别结果大于第一预设识别结果,且第二识别结果大于第二预设识别结果时,将识别结果确定为目标识别结果。获取多个目标识别结果对应的多个目标参数值,输出多个目标参数值,接收用户基于多个目标参数值触发的选择指令,基于选择指令从多个目标参数值中确定一个目标参数值作为最终目标参数值,将最终目标参数值标定为影响因素的当前参数值。相较于图1所示的参数标定方法,本实施例还在识别结果中的第一识别结果大于第一预设识别结果且第二识别结果大于第二预设识别结果时,将识别结果确定为目标识别结果,以提升参数标定的准确性。
请参阅图3,图3示出了本申请再一个实施例提供的参数标定方法的流程示意图。该方法应用于上述电子设备,下面将针对图3所示的流程进行详细的阐述,所述参数标定方法具体可以包括以下步骤:
步骤S310:获取所述电子设备的待标定的影响因素以及所述影响因素的参数范围,所述影响因素与图像识别的准确度相关。
步骤S320:获取待识别图像,所述待识别图像中包括多个待识别对象。
步骤S330:在所述待识别图像中对所述多个待识别对象进行标记,其中,标记包括框选所述待识别对象和标识所述待识别对象的名称。
步骤S340:在所述参数范围内调整所述影响因素的参数值对所述待识别图像中的多个待识别对象进行识别,获得多个识别结果,每个识别结果均包括第一识别结果和第二识别结果,所述第一识别结果和所述第二识别结果呈负相关。
其中,步骤S310-步骤S340的具体描述请参阅步骤S210-步骤S240,在此不再赘述。
步骤S3 50:分别计算每个识别结果中的第一识别结果和第二识别结果的方差。
在一些实施方式中,在获得多个识别结果后,可以分别计算多个识别结果中的每个识别结果中的第一识别结果和第二识别结果的方差,具体地,通过计算第一识别结果和第二识别结果的方差,其中,S2为方差,x1为第一识别结果,x2为第二识别结果,M为第一识别结果和第二识别结果的平均值。例如,当某个识别结果中的第一识别结果为80%且第二识别结果为70%时,则可以计算第一识别结果0.8和第二识别结果0.7的方差,即
步骤S3 60:判断所述方差是否小于预设方差。
在本实施例中,电子设备预先设置并存储有预设方差,该预设方差用于作为第一识别结果和第二识别结果的方差的判断依据。因此,作为一种方式,在获得第一识别结果和第二识别结果的方差后,可以将第一识别结果和第二识别结果的方差和预设方差进行比较,以判断该第一识别结果和第二识别结果的方差是否小于预设方差。
步骤S370:当所述方差小于所述预设方差时,将所述识别结果确定为所述目标识别结果。
在一些实施方式中,当判断结果表征第一识别结果和第二识别结果的方差小于预设方差时,表征第一识别结果和第二识别结果满足平衡数值,因此,可以将第一识别结果和第二识别结果所属的识别结果确定为目标识别结果。
在一些实施方式中,当判断结果表征第一识别结果和第二识别结果的方差不小于预设方差,例如,当第一识别结果和第二识别结果的方差等于预设方差或者第一识别结果和第二识别结果的方差小于预设方差时,表征第一识别结果和第二识别结果不满足平衡数值,因此,可以不将该第一识别结果和第二识别结果所属的识别结果确定为目标识别结果,并继续对其他识别结果所包括的第一识别结果和第二识别结果的方差进行计算并判断。
请参阅图4,图4示出了本申请的图3所示的参数标定方法的步骤S370 的流程示意图。下面将针对图4所示的流程进行详细的阐述,所述方法具体可以包括以下步骤:
步骤S371:当所述方差小于预设方差时,获取方差小于预设方差的多个待确认识别结果。
在一些实施方式中,所包括的第一识别结果和第二识别结果的方差小于预设方差的识别结果的数量可以为多个。在本实施例中,当方差小于预设方差时,可以获取方差小于预设方差的多个识别结果,并将方差小于预设方差的多个识别结果作为多个待确认识别结果。
步骤S372:从所述多个待确认识别结果中获取方差最小的待确认识别结果,并将所述方差最小的待确认识别结果确定为所述目标识别结果。
在一些实施方式中,电子设备获得多个待确认识别结果后,可以将多个待确认识别结果对应的方差进行比较,并基于比较结果从多个待确认识别结果中获取方差最小的待确认识别结果,将该方差最小的待确认识别结果确定为目标识别结果,以提升所获取的目标识别结果的准确度。
步骤S380:获取所述目标识别结果对应的目标参数值,将所述目标参数值标定为所述影响因素的当前参数值。
其中,步骤S380的具体描述请参阅步骤S150,在此不再赘述。
本申请再一个实施例提供的参数标定方法,获取电子设备的待标定的影响因素以及该影响因素的参数范围,该影响因素与图像识别的准确度相关,获取待识别图像,该待识别图像中包括多个待识别对象,在待识别图像中对多个待识别对象进行标记,其中,标记包括框选待识别对象和标识待识别对象的名称。在参数范围内调整影响因素的参数值对待识别图像中的多个待识别对象进行识别,获得多个识别结果,每个识别结果均包括第一识别结果和第二识别结果,第一识别结果和第二识别结果呈负相关,分别计算每个识别结果中的第一识别结果和第二识别结果的方差,判断该方差是否小于预设方差,当该方差小于预设方差时,将识别结果确定为目标识别结果,获取目标识别结果对应的目标擦数值,将目标参数值标定为影响因素的当前参数值。相较于图1所示的参数标定方法,本实施例还在识别结果中的第一识别结果和第二识别结果的方差小于预设方差时,将识别结果确定为目标识别结果,以提升参数标定的准确性。
请参阅图5,图5示出了本申请实施例提供的参数标定装置200的模块框图。该参数标定装置200应用于上述电子设备,下面将针对图5所示的框图进行阐述,所述参数标定装置200包括:参数范围获取模块210、待识别图像获取模块220、识别结果获取模块230、目标识别结果确定模块240以及参数标定模块250,其中:
参数范围获取模块210,用于获取所述电子设备的待标定的影响因素以及所述影响因素的参数范围,所述影响因素与图像识别的准确度相关。
待识别图像获取模块220,用于获取待识别图像,所述待识别图像中包括多个待识别对象。
识别结果获取模块230,用于在所述参数范围内调整所述影响因素的参数值对所述待识别图像中的多个待识别对象进行识别,获得多个识别结果,每个识别结果均包括第一识别结果和第二识别结果,所述第一识别结果和所述第二识别结果呈负相关。
目标识别结果确定模块240,用于从所述多个识别结果中确定至少一个识别结果作为目标识别结果。进一步地,所述目标识别结果确定模块240包括:识别结果判断子模块和第一目标识别结果确定子模块,其中:
识别结果判断子模块,用于分别判断每个识别结果中的第一识别结果是否大于第一预设识别结果,以及第二识别结果是否大于第二预设识别结果。
第一目标识别结果确定子模块,用于当所述第一识别结果大于所述第一预设识别结果,且所述第二识别结果大于所述第二预设识别结果时,将所述识别结果确定为所述目标识别结果。
进一步地,所述目标识别结果确定模块240包括:方差计算子模块、方差判断子模块以及第二目标识别结果确定子模块,其中:
方差计算子模块,用于分别计算每个识别结果中的第一识别结果和第二识别结果的方差。
方差判断子模块,用于判断所述方差是否小于预设方差。
第二目标识别结果确定子模块,用于当所述方差小于所述预设方差时,将所述识别结果确定为所述目标识别结果。进一步地,所述第二目标识别结果确定子模块包括:待识别结果获取单元和目标识别结果确定单元,其中:
待识别结果获取单元,用于当所述方差小于预设方差时,获取方差小于预设方差的多个待确认识别结果。
目标识别结果确定单元,用于从所述多个待确认识别结果中获取方差最小的待确认识别结果,并将所述方差最小的待确认识别结果确定为所述目标识别结果。
参数标定模块250,用于获取所述目标识别结果对应的目标参数值,将所述目标参数值标定为所述影响因素的当前参数值。进一步地,所述目标识别结果的数量为多个,所述参数标定模块250包括:目标参数值输出子模块、选择指令接收子模块以及参数标定子模块,其中:
目标参数值输出子模块,用于获取多个目标识别结果对应的多个目标参数值,输出所述多个目标参数值。
选择指令接收子模块,用于接收用户基于所述多个目标参数值触发的选择指令,基于所述选择指令从所述多个目标参数值中确定一个目标参数值作为最终目标参数值。
参数标定子模块,用于将所述最终目标参数值标定为所述影响因素的当前参数值。
进一步地,所述参数标定装置200还包括:标记模块,其中:
标记模块,用于在所述待识别图像中对所述多个待识别对象进行标记,其中,标记包括框选所述待识别对象和标识所述待识别对象的名称。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,模块相互之间的耦合可以是电性,机械或其它形式的耦合。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
请参阅图6,其示出了本申请实施例提供的一种电子设备100的结构框图。该电子设备100可以是智能手机、平板电脑、电子书等能够运行应用程序的电子设备。本申请中的电子设备100可以包括一个或多个如下部件:处理器110、存储器120、显示屏130以及一个或多个应用程序,其中一个或多个应用程序可以被存储在存储器120中并被配置为由一个或多个处理器110 执行,一个或多个程序配置用于执行如前述方法实施例所描述的方法。
其中,处理器110可以包括一个或者多个处理核。处理器110利用各种接口和线路连接整个电子设备100内的各个部分,通过运行或执行存储在存储器120内的指令、程序、代码集或指令集,以及调用存储在存储器120内的数据,执行电子设备100的各种功能和处理数据。可选地,处理器110可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器110可集成中央处理器(Central Processing Unit,CPU)、图形处理器(Graphics Processing Unit, GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器110中,单独通过一块通信芯片进行实现。
存储器120可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端100在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
显示屏130用于显示由用户输入的信息、提供给用户的信息以及所述电子设备100的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、数字、视频和其任意组合来构成,在一个实例中,该显示屏130可以为液晶显示器(Liquid Crystal Display,LCD),也可以为有机发光二极管 (Organic Light-Emitting Diode,OLED),在此不做限定。
请参阅图7,其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读介质300中存储有程序代码,所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质300可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地,计算机可读存储介质300包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质300具有执行上述方法中的任何方法步骤的程序代码310的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码310可以例如以适当形式进行压缩。
综上所述,本申请实施例提供的参数标定方法、装置、电子设备以及存储介质,获取电子设备的待标定的影响因素以及影响因素的参数范围,该影响因素与图像识别的准确度相关,获取待识别图像,该待识别图像中包括多个待识别对象,在参数范围内调整影响因素的参数值对待识别图像中的多个待识别对象进行识别,获得多个识别结果,每个识别结果均包括第一识别结果和第二识别结果,该第一识别结果和第二识别结果呈负相关,从多个识别结果中确定至少一个识别结果作为目标识别结果,获取目标识别结果对应的目标参数值,将目标参数值标定为影响因素的当前参数值,从而通过电子设备自动调整影响因素的参数值对待识别图像中的待识别对象进行识别,并根据识别结果对影响因素的参数值进行标定,提升标定的效率和效果。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种参数标定方法,其特征在于,应用于电子设备,所述方法包括:
获取所述电子设备的待标定的影响因素以及所述影响因素的参数范围,所述影响因素与图像识别的准确度相关;
获取待识别图像,所述待识别图像中包括多个待识别对象;
在所述参数范围内调整所述影响因素的参数值对所述待识别图像中的多个待识别对象进行识别,获得多个识别结果,每个识别结果均包括第一识别结果和第二识别结果,所述第一识别结果和所述第二识别结果呈负相关;
从所述多个识别结果中确定至少一个识别结果作为目标识别结果;
获取所述目标识别结果对应的目标参数值,将所述目标参数值标定为所述影响因素的当前参数值。
2.根据权利要求1所述的方法,其特征在于,所述第一识别结果包括从所述待识别图像中识别到所述多个待识别对象的概率,所述第二识别结果包括正确识别所述多个待识别对象的概率。
3.根据权利要求1所述的方法,其特征在于,所述从所述多个识别结果中确定至少一个识别结果作为目标识别结果,包括:
分别判断每个识别结果中的第一识别结果是否大于第一预设识别结果,以及第二识别结果是否大于第二预设识别结果;
当所述第一识别结果大于所述第一预设识别结果,且所述第二识别结果大于所述第二预设识别结果时,将所述识别结果确定为所述目标识别结果。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述目标识别结果的数量为多个,所述获取所述目标识别结果对应的目标参数值,将所述目标参数值标定为所述影响因素的当前参数值,包括:
获取多个目标识别结果对应的多个目标参数值,输出所述多个目标参数值;
接收用户基于所述多个目标参数值触发的选择指令,基于所述选择指令从所述多个目标参数值中确定一个目标参数值作为最终目标参数值;
将所述最终目标参数值标定为所述影响因素的当前参数值。
5.根据权利要求1所述的方法,其特征在于,所述从所述多个识别结果中确定至少一个识别结果作为目标识别结果,包括:
分别计算每个识别结果中的第一识别结果和第二识别结果的方差;
判断所述方差是否小于预设方差;
当所述方差小于所述预设方差时,将所述识别结果确定为所述目标识别结果。
6.根据权利要求5所述的方法,其特征在于,所述当所述方差小于所述预设方差时,将所述识别结果确定为所述目标识别结果,包括:
当所述方差小于预设方差时,获取方差小于预设方差的多个待确认识别结果;
从所述多个待确认识别结果中获取方差最小的待确认识别结果,并将所述方差最小的待确认识别结果确定为所述目标识别结果。
7.根据权利要求1所述的方法,其特征在于,所述获取待识别图像之后,还包括:
在所述待识别图像中对所述多个待识别对象进行标记,其中,标记包括框选所述待识别对象和标识所述待识别对象的名称。
8.一种参数标定装置,其特征在于,应用于电子设备,所述装置包括:
参数范围获取模块,用于获取所述电子设备的待标定的影响因素以及所述影响因素的参数范围,所述影响因素与图像识别的准确度相关;
待识别图像获取模块,用于获取待识别图像,所述待识别图像中包括多个待识别对象;
识别结果获取模块,用于在所述参数范围内调整所述影响因素的参数值对所述待识别图像中的多个待识别对象进行识别,获得多个识别结果,每个识别结果均包括第一识别结果和第二识别结果,所述第一识别结果和所述第二识别结果呈负相关;
目标识别结果确定模块,用于从所述多个识别结果中确定至少一个识别结果作为目标识别结果;
参数标定模块,用于获取所述目标识别结果对应的目标参数值,将所述目标参数值标定为所述影响因素的当前参数值。
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时所述处理器执行如权利要求1-7任一项所述的方法。
10.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910727311.0A CN110503693B (zh) | 2019-08-07 | 2019-08-07 | 参数标定方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910727311.0A CN110503693B (zh) | 2019-08-07 | 2019-08-07 | 参数标定方法、装置、电子设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110503693A CN110503693A (zh) | 2019-11-26 |
CN110503693B true CN110503693B (zh) | 2021-10-22 |
Family
ID=68586519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910727311.0A Active CN110503693B (zh) | 2019-08-07 | 2019-08-07 | 参数标定方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110503693B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101052121A (zh) * | 2006-04-05 | 2007-10-10 | 中国科学院自动化研究所 | 视频系统参数动态标定方法及系统 |
CN103984927A (zh) * | 2014-05-19 | 2014-08-13 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN109215082A (zh) * | 2017-06-30 | 2019-01-15 | 杭州海康威视数字技术股份有限公司 | 一种相机参数标定方法、装置、设备及系统 |
CN109785395A (zh) * | 2019-01-16 | 2019-05-21 | 深圳市卓简科技有限公司 | 一种全景模型参数优化方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6433200B2 (ja) * | 2014-08-28 | 2018-12-05 | 株式会社トプコン | 演算装置、演算方法、およびプログラム |
US10366263B2 (en) * | 2016-12-30 | 2019-07-30 | Accenture Global Solutions Limited | Object detection for video camera self-calibration |
-
2019
- 2019-08-07 CN CN201910727311.0A patent/CN110503693B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101052121A (zh) * | 2006-04-05 | 2007-10-10 | 中国科学院自动化研究所 | 视频系统参数动态标定方法及系统 |
CN103984927A (zh) * | 2014-05-19 | 2014-08-13 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN109215082A (zh) * | 2017-06-30 | 2019-01-15 | 杭州海康威视数字技术股份有限公司 | 一种相机参数标定方法、装置、设备及系统 |
CN109785395A (zh) * | 2019-01-16 | 2019-05-21 | 深圳市卓简科技有限公司 | 一种全景模型参数优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110503693A (zh) | 2019-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368893B (zh) | 图像识别方法、装置、电子设备及存储介质 | |
WO2021184972A1 (zh) | 图像分割方法、装置、电子设备及存储介质 | |
CN109961780B (zh) | 一种人机交互方法、装置、服务器和存储介质 | |
CN109388367B (zh) | 音效调整方法、装置、电子设备以及存储介质 | |
WO2019169772A1 (zh) | 图片处理方法、电子装置及存储介质 | |
CN111209970B (zh) | 视频分类方法、装置、存储介质及服务器 | |
CN109951635B (zh) | 拍照处理方法、装置、移动终端以及存储介质 | |
JP6718978B2 (ja) | システム言語切替方法およびシステム言語切替端末機器 | |
CN110933312B (zh) | 拍照控制方法及相关产品 | |
CN112418327B (zh) | 图像分类模型的训练方法、装置、电子设备以及存储介质 | |
CN110232436A (zh) | 卷积神经网络的修剪方法、装置及存储介质 | |
WO2022017006A1 (zh) | 视频处理方法、装置、终端设备及计算机可读存储介质 | |
US20200125880A1 (en) | Machine guided photo and video composition | |
CN108154093B (zh) | 人脸信息识别方法及装置、电子设备、机器可读存储介质 | |
CN109151318B (zh) | 一种图像处理方法、装置及计算机存储介质 | |
CN111461182A (zh) | 图像处理方法、图像处理装置及存储介质 | |
WO2023005813A1 (zh) | 图像方向调整方法、装置、存储介质及电子设备 | |
CN111814745A (zh) | 手势识别方法、装置、电子设备及存储介质 | |
US10180782B2 (en) | Fast image object detector | |
CN113179421A (zh) | 视频封面选择方法、装置、计算机设备和存储介质 | |
CN113298896A (zh) | 图片生成方法、装置、电子设备以及存储介质 | |
CN109615620B (zh) | 图像压缩度识别方法、装置、设备及计算机可读存储介质 | |
CN111695381B (zh) | 一种文本特征提取方法、装置、电子设备及可读存储介质 | |
CN115037883A (zh) | 一种曝光参数调整方法、装置、存储介质及电子设备 | |
CN110503693B (zh) | 参数标定方法、装置、电子设备以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |