CN110619312A - 定位元素数据的增强方法、装置、设备及存储介质 - Google Patents
定位元素数据的增强方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110619312A CN110619312A CN201910892060.1A CN201910892060A CN110619312A CN 110619312 A CN110619312 A CN 110619312A CN 201910892060 A CN201910892060 A CN 201910892060A CN 110619312 A CN110619312 A CN 110619312A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- positioning element
- target
- target positioning
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Image Processing (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了一种定位元素数据的增强方法、装置、设备及存储介质。具体实现方案为:在待添加定位元素中增加噪点,以得到目标定位元素;根据待处理图像的信息对所述目标定位元素进行处理,并将处理结果添加到待处理图像中得到新图像。采用本申请的方案,通过在待添加定位元素中增加噪点,可以保证得到目标定位元素的图像质量更近在真实环境中经过光照、腐蚀、掉色等原因进行处理后的图像质量;同时,通过将目标定位元素向待处理图像中进行融合,得到新的图像数据,能够提升包含定位元素的数据数量,以及平衡定位元素数据类型分布,保证神经网络模型在训练过程中具有充足数量和类别的训练数据。本申请方案可用于自动驾驶,尤其自主泊车领域。
Description
技术领域
本申请实施例涉及数据处理领域,尤其涉及一种定位元素数据的增强方法、装置、设备及存储介质。
背景技术
深度学习技术已经成功应用在了无人驾驶的视觉感知中,通过视觉感知获取自然场景中的路面箭头、标牌和一些自定义的标识上的关键点,实现对车辆位置和姿态的准确测量。神经网络模型在训练过程中为了提高模型的能力和效果往往需要大量的数据,这些数据主要依靠人工标注,但是只有人工标注的数据周期长、成本高,而且往往不能满足模型对数据数量和分布的要求。
目前常用的数据增强方法是:对数据进行水平翻转、裁剪、平移、旋转、缩放、仿射变换、色彩变换、加噪声等,但是这些方法只能在原有数据上进行增强,并不能丰富数据的类别。
发明内容
本申请实施例中提供了一种定位元素数据的增强方法、装置、设备及存储介质,以实现提升数据数量和平衡数据分布。
第一方面,本申请实施例中公开了一种定位元素数据的增强方法,所述方法包括:
在待添加定位元素中增加噪点,以得到目标定位元素;
根据待处理图像的信息对所述目标定位元素进行处理,并将处理结果添加到所述待处理图像中得到新图像。
可选地,在待添加定位元素中增加噪点之前,还包括:
根据待处理图像的标注元素类别,从候选定位元素中选择待添加定位元素;其中,标注元素类别为标记、地面箭头、车位号或防撞条。
可选地,根据待处理图像的信息对所述目标定位元素进行处理,并将处理结果添加到所述待处理图像中,包括:
根据待处理图像中原定位元素的形状对所述目标定位元素做透视变换,使所述目标定位元素的形状与所述原定位元素的形状相同;
根据待处理图像的亮度调整所述目标定位元素的亮度,使所述目标定位元素与所述待处理图像的亮度相同;
采用调整后的目标定位元素替换所述待处理图像中原定位元素,并对所述目标定位元素和所述待处理图像的边缘做平滑处理。
可选地,根据待处理图像的信息对所述目标定位元素进行处理,并将处理结果添加到所述待处理图像中,包括:
确定待处理图像中待贴图的目标区域;
对所述目标定位元素做如下至少一项处理:仿射变换、旋转、缩放和亮度调节;
通过贴图方式,将目标定位元素的处理结果添加到所述待处理图像中。
可选地,将处理结果添加到所述待处理图像中之后,还包括:
对新图像做如下至少一项处理:平移、旋转、缩放、仿射变换、柱面变换、随机高光和随机阴影。
第二方面,本申请实施例中还公开了一种定位元素数据的增强装置,所述装置包括:
目标确定模块,用于在待添加定位元素中增加噪点,以得到目标定位元素;
目标处理模块,用于根据待处理图像的信息对所述目标定位元素进行处理,并将处理结果添加到所述待处理图像中得到新图像。
第三方面,本申请实施例中还公开了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请任意实施例中所提供的所述的定位元素数据的增强方法。
第四方面,本申请实施例中还公开了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请任意实施例中所提供的所述的定位元素数据的增强方法。
根据本申请提供的一种定位元素数据的增强方案,通过在待添加定位元素中增加噪点,可以保证得到目标定位元素的图像质量更接近在真实环境中经过光照、腐蚀、掉色等原因处理后的图像质量;同时,通过将目标定位元素向待处理图像中进行融合,得到新的图像数据,能够提升包含定位元素的数据数量,以及平衡定位元素数据类型分布,保证神经网络模型在训练过程中具有充足数量和类别的训练数据。并且,能够根据需要从候选定位元素中选择添加的定位元素,通过对目标定位元素进行数据增强,可以丰富训练数据类别,从而平衡数据分布。以及,通过对形状进行处理能够保证原定位元素与目标定位元素的两者真实尺寸相差在合理范围之内,以保证真实性;通过对目标定位元素进行亮度调整,可以使得目标定位元素更好的融合进待处理图像中;通过确定待处理图像中待贴图的目标区域,可以保证定位元素贴到有效位置。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请实施例一中的一种定位元素数据的增强方法的流程图;
图2是本申请实施例二中的一种定位元素数据的增强方法的流程图;
图3是本申请实施例三中的一种定位元素数据的增强方法的流程图;
图4是用来实现本申请实施例的定位元素数据的增强方法的定位元素数据的增强装置的结构框图;
图5是用来实现本申请实施例的定位元素数据的增强方法的电子设备的结构框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实施例一
图1是本申请实施例一中的一种定位元素数据的增强方法的流程图,本实施例可适用于对无人驾驶场景下的定位元素数据进行增强的情况。该方法可以由定位元素数据的增强装置来执行,该装置可以采用软件和/或硬件的方式实现,并集成在任何具有网络通信功能的电子设备上。
如图1所示,本申请实施例中提供的定位元素数据的增强方法,包括以下步骤:
S110、在待添加定位元素中增加噪点,以得到目标定位元素。
在本实施例中,本申请的待处理图像能够作为包含有定位元素的训练数据来训练神经网络模型。当然,在训练申请网络模型时,单靠一个包含有定位元素的待处理图像作为训练数据是无法得到比较准确的神经网络模型,通常需要大量的包含有定位元素的待处理图像作为训练数据,才能更好地完成神经网络模型的训练。但是,在实际的无人驾驶场景中,包含有定位元素的训练数据的数量和数据类别,无法满足训练神经网络模型的要求。因此,需要提升包含有定位元素的训练数据的数量、平衡数据分布。
在本实施例中,本申请中的包含有定位元素的训练数据可以记为定位元素数据。在增强定位元素数据时,以待处理图像为例,本申请的方案不会直接在原有的待处理图像上进行增强,因为这样的增强方案并不能丰富数据类别。
在本实施例中,为了增强定位元素数据,需要获取一个或多个待添加定位元素,以便将获取的一个或多个待添加定位元素中的任一个待添加定位元素融合到待处理图像中,以便生成一个包含有定位元素且与原始的待处理图像不相同的新图像,这样就可以实现对定位元素数据的扩充。
在本实施例中,待添加定位元素使用较为标准的设计图像,而不能采用从原有的训练数据集中扣取的定位元素。在实际的无人驾驶场景中,由于训练数据集中的原有定位元素的磨损和褪色情况不尽相同,导致定位元素的质量并不是非常高。但是,对于标准的设计图像而言,图像质量比较高,待添加定位元素的质量同样非常高,这就造成待添加定位元素不符合在真实环境下的磨损和褪色情况。为此,在获取待添加定位元素后,可以在待添加定位元素中增加噪点,实现对待添加定位元素的预处理以得到目标定位元素,保证得到的目标定位元素的磨损和褪色情况更接近目标定位元素在真实环境下的磨损和褪色情况。
在一个可选示例中,能够通过在待添加定位元素增加椒盐噪声、高斯噪声、以及马赛克中的一种或多种噪声,以实现对待添加定位元素的预处理操作得到目标定位元素,保证将要融合到待处理图像中的目标定位元素的图像质量更符合真实环境下的定位元素的图像质量,这样就方便后续目标定位元素与待处理图像的融合操作。
S120、根据待处理图像的信息对目标定位元素进行处理,并将处理结果添加到待处理图像中得到新图像。
在本实施例中,由于不同场景下的光照不同,不同的待处理图像的磨损和褪色情况也不相同。同时,因为光照、腐蚀、掉色等原因,会造成不同的待处理图像中的原有定位元素会发生不同的变化。为了保证目标定位元素适配待处理图像中原有的定位元素,可以根据待处理图像的信息对目标定位元素进行处理。进而,将处理后的目标定位元素添加到待处理图像中得到新图像,这样采用本申请的定位元素数据的增强方案经过多次数据增强操作后就可以有一个待处理图像得到多个新图像,实现对待处理图像这类训练数据的数量扩充和类别扩充。
本申请提供了一种定位元素数据的增强方案,通过在待添加定位元素中增加噪点,可以保证得到目标定位元素的图像质量更近在真实环境中经过光照、腐蚀、掉色等原因进行处理后的图像质量;同时,通过将目标定位元素向待处理图像中进行融合,得到新的图像数据,能够提升包含定位元素的数据数量,以及平衡定位元素数据类型分布,保证神经网络模型在训练过程中具有充足数量和类别的训练数据。
在上述实施例的基础上,可选地,在该在待添加定位元素中增加噪点的步骤之前,还包括:根据待处理图像的标注元素类别,从候选定位元素中选择待添加定位元素。
在本实施例中,存在一些数据类别的定位元素数据的数量已经满足要求,不需要针对定位元素数据进行数据增强,但是仍会存在另一些数据类别的定位元素数据的数量无法满足要求。在此情况下,就需要有针对性的对定位元素数据进行数据增强。具体需要针对哪些数据类别的定位元素数据进行数据增强,可以参考待处理图像中标注元素类别。可选地,待处理图像的标注元素类别可以包括标记、地面箭头、车位号或防撞条。其中这里的标记可以为供无人驾驶的车辆进行定位的marker标记牌。
在本实施例中,候选定位元素中多个预设的定位元素,在候选定位元素中,每一个标注元素类别对应多个预设的定位元素。候选定位元素中的每一个预设的定位元素均是预先设计的较为标准的图像。当需要针对待处理图像标注元素类别对应的定位元素数据进行数据增强时,可以从候选定位元素中选取标注元素类别对应的定位元素,作为待添加的定位元素。
采用上述方式的好处在于,能够根据需要扩充的定位元素的类别,从候选定位元素中选择需要添加的定位元素,并将目标定位元素进行数据增强,丰富训练数据类别,从而平衡数据分布。
实施例二
图2是本申请实施例二中的一种定位元素数据的增强方法的流程图,本申请实施例在上述实施例的基础上进行优化,本申请实施例可以与上述一个或者多个实施例中各个可选方案结合。如图2所示,本申请实施例中提供的定位元素数据的增强方法包括以下步骤S210~S240:
S210、在待添加定位元素中增加噪点,以得到目标定位元素。
S220、根据待处理图像中原定位元素的形状对目标定位元素做透视变换,使目标定位元素的形状与原定位元素的形状相同。
在本实施例中,将待处理图像中包含的自身原有的定位元素,记为原定位元素。在将目标定位元素添加到待处理图像时,可以将目标定位元素与待处理图像中的原定位元素进行替换。在替换时,需要使得目标定位元素与原定位元素的形状保持一致,才能保证目标定位元素在待处理图像中的真实性。为此,在得到目标定位元素后,需要依据待处理图像中的原定位元素的形状对目标定位元素的形状进行调整,比如对依据原定位元素的形状对目标定位元素进行透视变换,使得目标定位元素的形状与原定位元素的形状相同。此外,在保证目标定位元素的形状与原定位元素的形状相同还需要对目标定位元素的尺寸进行调整,保证目标定位元素的尺寸与原定位元素的尺寸尽可能相同。
S230、根据待处理图像的亮度调整目标定位元素的亮度,使目标定位元素与待处理图像的亮度相同。
在本实施例中,目标定位元素是较为标准的设计图像,色彩亮度都是比较好的状态,但是真实的待处理图像中的原定位元素因为光照、腐蚀、掉色等原因,会导致原定位元素的已不具备最初的色彩亮度。为此,需要依据待处理图像的亮度调整目标定位元素的亮度,保证目标定位元素与待处理图像的亮度尽可能相同,这样后续就能让目标定位元素更加真实的融合到待处理图像中。
在本实施例中,可选地,具体能够依据待处理图像中原定位元素的亮度调整目标定位元素的亮度,保证目标定位元素与待处理图像中原定位元素的亮度相同。对于待处理图像和目标定位元素是RGB格式而言,在一个可选示例中,可以将待处理图像转换为HSV六角锥体模型格式,然后将目标定位元素的亮度通道的数值替换为待处理图像中原定位元素的亮度通道的数值,使得目标定位元素的亮度分布与原定位元素的亮度分布保持一致,进而再将目标定位元素和待处理图像恢复为RGB格式,从而保证目标定位元素与待处理图像中原定位元素的亮度相同。
S240、采用调整后的目标定位元素替换待处理图像中原定位元素,并对目标定位元素和待处理图像的边缘做平滑处理,得到新图像。
在本实施例中,在得到调整后的目标定位元素后,可以将调整后的目标定位元素添加到待处理图像中原定位元素所在位置,以将待处理图像中原定位元素进行替换。此外,考虑到目标定位元素毕竟是重新添加的定位元素,即便对目标定位元素进行了一系列的处理,目标定位元素与待处理图像的交接处,仍然会有一定的差异性,这就会导致待处理图像无法实现无缝衔接融合目标定位元素。为此,当使用目标定位元素替换待处理图像中原定位元素后,具体可以对目标定位元素于待处理图像连接的边缘做平滑处理,保证目标定位元素能更好地融合到待处理图像中。
在一个可选示例中,对目标定位元素和待处理图像相连接的边缘进行高斯滤波处理,保证待处理图像整体清晰度不变的情况下将待处理图像与目标定位元素更好的融合,便于更加真实的融合。
本申请提供了一种定位元素数据的增强方案,通过在待添加定位元素中增加噪点,可以保证得到目标定位元素的图像质量更近在真实环境中经过光照、腐蚀、掉色等原因进行处理后的图像质量;同时,通过对目标定位元素进行形状和亮度的调整,可以将目标定位元素替换待处理图像中原定位元素,实现将目标定位元素更加真实的融合到待处理图像中得到新图像,这样不仅能够提升包含定位元素的数据数量,以及平衡定位元素数据类型分布,保证神经网络模型在训练过程中具有充足数量和类别的训练数据;而且不会让目标定位元素在待处理图像中的融合显得突兀。
实施例三
图3是本申请实施例三中的一种定位元素数据的增强方法的流程图,本申请实施例在上述实施例的基础上进行优化,本申请实施例可以与上述一个或者多个实施例中各个可选方案结合。如图3所示,本申请实施例中提供的定位元素数据的增强方法包括以下步骤S310~S340:
S310、在待添加定位元素中增加噪点,以得到目标定位元素。
S320、确定待处理图像中待贴图的目标区域。
在本实施例中,将待处理图像中包含的自身原有的定位元素,记为原定位元素。在向待处理图像中贴图目标定位元素时,需要使用目标定位元素遮挡原定位元素。为此,需要确定待处理图像中原定位元素的位置,从而确定待处理图像中哪些图像区域包含有原定位元素,即确定待贴图的目标区域。
S330、对目标定位元素做如下至少一项处理:仿射变换、旋转、缩放和亮度调节。
在本实施例中,目标定位元素是较为标准的设计图像,比如无论是目标定位元素的色彩亮度、定位元素的大小或定位元素姿态都是标准设计的样式。但是,待处理图像由于是真实环境中得到的图像,其中包含的原定位元素,在上述样式上并非是标准样式。为此,具体可以采用仿射变换、旋转、缩放和亮度调节中的至少一项处理方式,来对目标定位元素进行调整处理,以保证调整后的目标定位元素的样式真实环境中的元素样式,这样后续就能让目标定位元素更加真实的融合到待处理图像中。
S340、通过贴图方式,将该目标定位元素的处理结果添加到该待处理图像中,得到新图像。
在本实施例中,在确定待处理图像中的待贴图的目标区域后,可以通过贴图的方式将调整后的目标定位元素贴至待处理图像的目标区域上,从而形成一个新的图像,记为新图像。可选地,在将调整后的目标定位元素贴到待处理图像中后,可以对目标定位元素和待处理图像的边缘做平滑处理,保证能将目标定位元素更真实的融合到待处理图像中。
本申请提供了一种定位元素数据的增强方案,通过在待添加定位元素中增加噪点,可以保证得到目标定位元素的图像质量更近在真实环境中经过光照、腐蚀、掉色等原因进行处理后的图像质量;同时,通过对目标定位元素各种变换处理,可以将调整后的比较符合条件的目标定位元素贴到待处理图像中原定位元素所在位置,实现将目标定位元素更加真实的融合到待处理图像中得到新图像,这样不仅能够提升包含定位元素的数据数量,以及平衡定位元素数据类型分布,保证神经网络模型在训练过程中具有充足数量和类别的训练数据;而且不会让目标定位元素在待处理图像中的融合显得突兀。
在上述实施例的基础上,可选地,在将处理后的目标定位元素添加到待处理图像中得到新图像的步骤之后,还包括:对新图像做如下至少一项处理:平移、旋转、缩放、仿射变换、柱面变换、随机高光和随机阴影。
在本实施例中,可选地,平移处理是指将新图像按照预定或者随机的方向进行移动。旋转变换是指以预定或随机的角度,将新图像以图像的中点为基准进行旋转。缩放变换是指以预定或随机的比例,对新图像进行放大或缩小。当然,在一个可选示例中,可以对新图像进行过滤处理,改变新图像的模糊程度;或者,对新图像进行对比度处理,改变新图像的饱和度以及亮度,而不改变新图像的色调。采用上述方式的好处在于,通过进平移、旋转、缩放、透视变换、柱面变换等方式进行数据增强,将显著提高数据增强效果,降低标注数据的成本。
实施例四
图4是用来实现本申请实施例的定位元素数据的增强方法的定位元素数据的增强装置的结构框图,本申请实施例可适用于对无人驾驶场景下的定位元素数据进行增强的情况。该装置可以采用软件和/或硬件的方式实现,并集成在任何具有网络通信功能的电子设备上。
如图4所示,本申请实施例中提供的定位元素数据的增强装置400具体包括:目标确定模块410和目标处理模块420。其中:
目标确定模块410,用于在待添加定位元素中增加噪点,以得到目标定位元素;
目标处理模块420,用于根据待处理图像的信息对所述目标定位元素进行处理,并将处理结果添加到所述待处理图像中得到新图像。
在上述实施例的基础上,可选地,所述装置还包括:
待添加确定模块430,用于在待添加定位元素中增加噪点之前,根据待处理图像的标注元素类别,从候选定位元素中选择待添加定位元素;其中,标注元素类别为标记、地面箭头、车位号或防撞条。
在上述实施例的基础上,可选地,所述目标处理模块420包括:
形状处理单元,用于根据待处理图像中原定位元素的形状对所述目标定位元素做透视变换,使所述目标定位元素的形状与所述原定位元素的形状相同;
亮度处理单元,用于根据待处理图像的亮度调整所述目标定位元素的亮度,使所述目标定位元素与所述待处理图像的亮度相同;
替换处理单元,用于采用调整后的目标定位元素替换所述待处理图像中原定位元素,并对所述目标定位元素和所述待处理图像的边缘做平滑处理。
在上述实施例的基础上,可选地,所述目标处理模块420包括:
贴图区域确定单元,用于确定待处理图像中待贴图的目标区域;
定位元素处理单元,用于对所述目标定位元素做如下至少一项处理:仿射变换、旋转、缩放和亮度调节;
贴图处理单元,用于通过贴图方式,将目标定位元素的处理结果添加到所述待处理图像中。
在上述实施例的基础上,可选地,所述装置还包括:
新图像调整模块440,用于在将处理结果添加到所述待处理图像中之后,对新图像做如下至少一项处理:平移、旋转、缩放、仿射变换、柱面变换、随机高光和随机阴影。
本申请实施例中所提供的定位元素数据的增强装置可执行上述本申请任意实施例中所提供的定位元素数据的增强方法,具备执行该定位元素数据的增强方法相应的功能和有益效果,未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例中所提供的定位元素数据的增强方法。
实施例五
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。图5是用来实现本申请实施例的定位元素数据的增强方法的电子设备的结构框图。
如图5所示,是根据本申请实施例的定位元素数据的增强方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,该电子设备包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的定位元素数据的增强方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的定位元素数据的增强方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的定位元素数据的增强方法对应的程序指令/模块(例如,附图4所示的目标确定模块410和目标处理模块420)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的定位元素数据的增强方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据定位元素数据的增强方法的电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至用于定位元素数据的增强的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用于定位元素数据的增强的电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与用于定位元素数据的增强的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请提供的一种定位元素数据的增强方案,通过在待添加定位元素中增加噪点,可以保证得到目标定位元素的图像质量更近在真实环境中经过光照、腐蚀、掉色等原因进行处理后的图像质量;同时,通过将目标定位元素向待处理图像中进行融合,得到新的图像数据,能够提升包含定位元素的数据数量,以及平衡定位元素数据类型分布,保证神经网络模型在训练过程中具有充足数量和类别的训练数据。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种定位元素数据的增强方法,其特征在于,所述方法包括:
在待添加定位元素中增加噪点,以得到目标定位元素;
根据待处理图像的信息对所述目标定位元素进行处理,并将处理结果添加到所述待处理图像中得到新图像。
2.根据权利要求1所述的方法,其特征在于,在待添加定位元素中增加噪点之前,还包括:
根据待处理图像的标注元素类别,从候选定位元素中选择待添加定位元素;其中,标注元素类别为标记、地面箭头、车位号或防撞条。
3.根据权利要求1所述的方法,其特征在于,根据待处理图像的信息对所述目标定位元素进行处理,并将处理结果添加到所述待处理图像中,包括:
根据待处理图像中原定位元素的形状对所述目标定位元素做透视变换,使所述目标定位元素的形状与所述原定位元素的形状相同;
根据待处理图像的亮度调整所述目标定位元素的亮度,使所述目标定位元素与所述待处理图像的亮度相同;
采用调整后的目标定位元素替换所述待处理图像中原定位元素,并对所述目标定位元素和所述待处理图像的边缘做平滑处理。
4.根据权利要求1所述的方法,其特征在于,根据待处理图像的信息对所述目标定位元素进行处理,并将处理结果添加到所述待处理图像中,包括:
确定待处理图像中待贴图的目标区域;
对所述目标定位元素做如下至少一项处理:仿射变换、旋转、缩放和亮度调节;
通过贴图方式,将目标定位元素的处理结果添加到所述待处理图像中。
5.根据权利要求1-4中任一所述的方法,其特征在于,将处理结果添加到所述待处理图像中之后,还包括:
对新图像做如下至少一项处理:平移、旋转、缩放、仿射变换、柱面变换、随机高光和随机阴影。
6.一种定位元素数据的增强装置,其特征在于,所述装置包括:
目标确定模块,用于在待添加定位元素中增加噪点,以得到目标定位元素;
目标处理模块,用于根据待处理图像的信息对所述目标定位元素进行处理,并将处理结果添加到所述待处理图像中得到新图像。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
待添加确定模块,用于在待添加定位元素中增加噪点之前,根据待处理图像的标注元素类别,从候选定位元素中选择待添加定位元素;其中,标注元素类别为标记、地面箭头、车位号或防撞条。
8.根据权利要求6所述的装置,其特征在于,所述目标处理模块包括:
形状处理单元,用于根据待处理图像中原定位元素的形状对所述目标定位元素做透视变换,使所述目标定位元素的形状与所述原定位元素的形状相同;
亮度处理单元,用于根据待处理图像的亮度调整所述目标定位元素的亮度,使所述目标定位元素与所述待处理图像的亮度相同;
替换处理单元,用于采用调整后的目标定位元素替换所述待处理图像中原定位元素,并对所述目标定位元素和所述待处理图像的边缘做平滑处理。
9.根据权利要求6所述的装置,其特征在于,所述目标处理模块包括:
贴图区域确定单元,用于确定待处理图像中待贴图的目标区域;
定位元素处理单元,用于对所述目标定位元素做如下至少一项处理:仿射变换、旋转、缩放和亮度调节;
贴图处理单元,用于通过贴图方式,将目标定位元素的处理结果添加到所述待处理图像中。
10.根据权利要求6-9中任一所述的装置,其特征在于,所述装置还包括:
新图像调整模块,用于在将处理结果添加到所述待处理图像中之后,对新图像做如下至少一项处理:平移、旋转、缩放、仿射变换、柱面变换、随机高光和随机阴影。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的定位元素数据的增强方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的定位元素数据的增强方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910892060.1A CN110619312B (zh) | 2019-09-20 | 2019-09-20 | 定位元素数据的增强方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910892060.1A CN110619312B (zh) | 2019-09-20 | 2019-09-20 | 定位元素数据的增强方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110619312A true CN110619312A (zh) | 2019-12-27 |
CN110619312B CN110619312B (zh) | 2022-08-23 |
Family
ID=68923630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910892060.1A Active CN110619312B (zh) | 2019-09-20 | 2019-09-20 | 定位元素数据的增强方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110619312B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308069A (zh) * | 2020-10-29 | 2021-02-02 | 恒安嘉新(北京)科技股份公司 | 一种软件界面的点击测试方法、装置、设备及存储介质 |
CN112580717A (zh) * | 2020-12-17 | 2021-03-30 | 百度在线网络技术(北京)有限公司 | 模型训练方法、定位元素查找方法及装置 |
CN112733726A (zh) * | 2021-01-12 | 2021-04-30 | 海尔数字科技(青岛)有限公司 | 票据样本的扩容方法、装置、电子设备、及存储介质 |
WO2021226776A1 (zh) * | 2020-05-11 | 2021-11-18 | 华为技术有限公司 | 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆 |
CN115345321A (zh) * | 2022-10-19 | 2022-11-15 | 小米汽车科技有限公司 | 数据增广方法、装置、电子设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324672A (zh) * | 2013-05-23 | 2013-09-25 | 百度在线网络技术(北京)有限公司 | 一种用于对目标页面中的图像元素进行处理的方法和设备 |
CN104952026A (zh) * | 2014-03-31 | 2015-09-30 | 腾讯科技(深圳)有限公司 | 图像处理的方法及装置 |
CN106157341A (zh) * | 2015-03-30 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 生成合成图片的方法及装置 |
CN107590776A (zh) * | 2016-07-06 | 2018-01-16 | 富士通株式会社 | 图像处理装置和图像处理方法 |
CN108229569A (zh) * | 2018-01-10 | 2018-06-29 | 麦克奥迪(厦门)医疗诊断系统有限公司 | 基于染色成分调节的数字病理图像数据集样本扩充方法 |
CN108491847A (zh) * | 2018-02-02 | 2018-09-04 | 口碑(上海)信息技术有限公司 | 用于扩充图像的方法以及装置 |
CN108509915A (zh) * | 2018-04-03 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 人脸识别模型的生成方法和装置 |
CN109035369A (zh) * | 2018-07-12 | 2018-12-18 | 浙江工业大学 | 一种融合虚拟样本的样本扩充方法 |
CN109565606A (zh) * | 2016-07-29 | 2019-04-02 | 微软技术许可有限责任公司 | 混合源架构中的图像变换 |
CN109598689A (zh) * | 2018-12-17 | 2019-04-09 | 网易(杭州)网络有限公司 | 实时图像处理方法及装置、电子设备、存储介质 |
CN109902577A (zh) * | 2019-01-25 | 2019-06-18 | 华中科技大学 | 一种轻量级手势检测卷积神经网络模型的构建方法及应用 |
CN110210362A (zh) * | 2019-05-27 | 2019-09-06 | 中国科学技术大学 | 一种基于卷积神经网络的交通标志检测方法 |
-
2019
- 2019-09-20 CN CN201910892060.1A patent/CN110619312B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324672A (zh) * | 2013-05-23 | 2013-09-25 | 百度在线网络技术(北京)有限公司 | 一种用于对目标页面中的图像元素进行处理的方法和设备 |
CN104952026A (zh) * | 2014-03-31 | 2015-09-30 | 腾讯科技(深圳)有限公司 | 图像处理的方法及装置 |
CN106157341A (zh) * | 2015-03-30 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 生成合成图片的方法及装置 |
CN107590776A (zh) * | 2016-07-06 | 2018-01-16 | 富士通株式会社 | 图像处理装置和图像处理方法 |
CN109565606A (zh) * | 2016-07-29 | 2019-04-02 | 微软技术许可有限责任公司 | 混合源架构中的图像变换 |
CN108229569A (zh) * | 2018-01-10 | 2018-06-29 | 麦克奥迪(厦门)医疗诊断系统有限公司 | 基于染色成分调节的数字病理图像数据集样本扩充方法 |
CN108491847A (zh) * | 2018-02-02 | 2018-09-04 | 口碑(上海)信息技术有限公司 | 用于扩充图像的方法以及装置 |
CN108509915A (zh) * | 2018-04-03 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 人脸识别模型的生成方法和装置 |
CN109035369A (zh) * | 2018-07-12 | 2018-12-18 | 浙江工业大学 | 一种融合虚拟样本的样本扩充方法 |
CN109598689A (zh) * | 2018-12-17 | 2019-04-09 | 网易(杭州)网络有限公司 | 实时图像处理方法及装置、电子设备、存储介质 |
CN109902577A (zh) * | 2019-01-25 | 2019-06-18 | 华中科技大学 | 一种轻量级手势检测卷积神经网络模型的构建方法及应用 |
CN110210362A (zh) * | 2019-05-27 | 2019-09-06 | 中国科学技术大学 | 一种基于卷积神经网络的交通标志检测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021226776A1 (zh) * | 2020-05-11 | 2021-11-18 | 华为技术有限公司 | 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆 |
CN112308069A (zh) * | 2020-10-29 | 2021-02-02 | 恒安嘉新(北京)科技股份公司 | 一种软件界面的点击测试方法、装置、设备及存储介质 |
CN112580717A (zh) * | 2020-12-17 | 2021-03-30 | 百度在线网络技术(北京)有限公司 | 模型训练方法、定位元素查找方法及装置 |
CN112733726A (zh) * | 2021-01-12 | 2021-04-30 | 海尔数字科技(青岛)有限公司 | 票据样本的扩容方法、装置、电子设备、及存储介质 |
CN115345321A (zh) * | 2022-10-19 | 2022-11-15 | 小米汽车科技有限公司 | 数据增广方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110619312B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110619312B (zh) | 定位元素数据的增强方法、装置、设备及存储介质 | |
CN111695628B (zh) | 关键点标注方法、装置、电子设备及存储介质 | |
CN111523468B (zh) | 人体关键点识别方法和装置 | |
CN111860304B (zh) | 一种图像标注方法、电子装置、设备及存储介质 | |
CN111739005B (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN111722245B (zh) | 定位方法、定位装置和电子设备 | |
CN112308051B (zh) | 文本框检测方法、装置、电子设备和计算机存储介质 | |
CN111832745A (zh) | 数据增广的方法、装置及电子设备 | |
CN111767853B (zh) | 车道线检测方法和装置 | |
CN111860167A (zh) | 人脸融合模型获取及人脸融合方法、装置及存储介质 | |
CN112287924B (zh) | 文本区域检测方法、装置、电子设备和计算机存储介质 | |
CN112200167B (zh) | 图像识别方法、装置、设备及存储介质 | |
CN110675635B (zh) | 相机外参的获取方法、装置、电子设备及存储介质 | |
CN111768356A (zh) | 一种人脸图像融合方法、装置、电子设备及存储介质 | |
CN111401251A (zh) | 车道线提取方法、装置、电子设备及计算机可读存储介质 | |
CN112232315B (zh) | 文本框检测方法、装置、电子设备和计算机存储介质 | |
CN112668428A (zh) | 车辆变道的检测方法、路侧设备、云控平台和程序产品 | |
CN110631603B (zh) | 车辆导航方法和装置 | |
CN112581533A (zh) | 定位方法、装置、电子设备及存储介质 | |
CN110866504A (zh) | 标注数据的获取方法、装置和设备 | |
CN111915642B (zh) | 图像样本的生成方法、装置、设备和可读存储介质 | |
CN104991695A (zh) | 一种信息处理方法及电子设备 | |
CN113011298A (zh) | 截断物体样本生成、目标检测方法、路侧设备和云控平台 | |
CN113052753B (zh) | 全景拓扑结构的生成方法、装置、设备及可读存储介质 | |
WO2021090328A1 (en) | Video advertising signage replacement |
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 |