CN111047693A - 一种图像训练数据集生成方法、装置、设备及介质 - Google Patents

一种图像训练数据集生成方法、装置、设备及介质 Download PDF

Info

Publication number
CN111047693A
CN111047693A CN201911379320.1A CN201911379320A CN111047693A CN 111047693 A CN111047693 A CN 111047693A CN 201911379320 A CN201911379320 A CN 201911379320A CN 111047693 A CN111047693 A CN 111047693A
Authority
CN
China
Prior art keywords
dimensional
software
engine
image training
images
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.)
Withdrawn
Application number
CN201911379320.1A
Other languages
English (en)
Inventor
葛晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inspur Beijing Electronic Information Industry Co Ltd
Original Assignee
Inspur Beijing Electronic Information Industry Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Inspur Beijing Electronic Information Industry Co Ltd filed Critical Inspur Beijing Electronic Information Industry Co Ltd
Priority to CN201911379320.1A priority Critical patent/CN111047693A/zh
Publication of CN111047693A publication Critical patent/CN111047693A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/04—Texture mapping

Abstract

本申请公开了一种图像训练数据集生成方法、装置、设备及计算机可读存储介质，其中，该方法包括：对目标场景进行扫描，以获取目标场景的三维数据；将三维数据输入到三维CG软件中，利用三维CG软件构建与目标场景对应的三维模型；对三维模型进行UV贴图展开，得到与目标场景对应的虚拟场景；触发三维CG软件的引擎，利用引擎及虚拟场景生成多张图像，并在生成图像时对图像进行标签的标注，以得到图像训练数据集。本申请公开的上述技术方案，通过对图像的自动生成和标签的自动标注来提高图像训练数据集的生成效率，并降低图像训练数据集的生成成本。

Description

一种图像训练数据集生成方法、装置、设备及介质
技术领域
本申请涉及深度学习技术领域，更具体地说，涉及一种图像训练数据集生成方法、装置、设备及计算机可读存储介质。
背景技术
深度学习是机器学习的分支，是一种以人工神经网络为架构，对数据进行表征学习的算法。在对图像数据进行模型计算时需要依赖包含海量图像的图像训练数据集进行实现。
目前，常通过手动方式来进行图像训练数据集的生成。具体地，利用相机或手机从各个角度拍摄目标场景，并拍摄目标场景的各个位置，以得到大量的图像，然后，借助labelme、labelimg等工具对各个图像进行人工标注，以得到图像训练数据集，这种方法可以为深度学习提供较为准确的图像训练数据集，但是，由于需要人工拍摄大量的图像且需要人工对每个张图进行标注，因此，则会降低图像训练数据集的生成效率，并会导致图像训练数据集的生成成本比较高。
综上所述，如何提高图像训练数据集的生成效率，并降低图像训练数据集的生成成本，是目前本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此，本申请的目的是提供一种图像训练数据集生成方法、装置、设备及计算机可读存储介质，用于提高图像训练数据集的生成效率，并降低图像训练数据集的生成成本。
为了实现上述目的，本申请提供如下技术方案：
一种图像训练数据集生成方法，包括：
对目标场景进行扫描，以获取所述目标场景的三维数据；
将所述三维数据输入到三维CG软件中，利用所述三维CG软件构建与所述目标场景对应的三维模型；
对所述三维模型进行UV贴图展开，得到与所述目标场景对应的虚拟场景；
触发所述三维CG软件的引擎，利用所述引擎及所述虚拟场景生成多张图像，并在生成所述图像时对所述图像进行标签的标注，以得到图像训练数据集。
优选的，在对所述三维模型进行UV贴图展开之后，还包括：
调用所述三维CG软件的引擎，利用所述三维CG软件的引擎根据所述目标场景设置虚拟场景参数。
优选的，触发所述三维CG软件的引擎，包括：
利用Python编写脚本，并利用所述脚本触发所述三维CG软件的引擎。
优选的，在利用所述引擎及所述虚拟场景生成多张图像之前，还包括：
接收输入的图像生成参数；
相应地，利用所述引擎及所述虚拟场景生成多张图像，包括：
利用所述引擎及所述虚拟场景根据所述图像生成参数生成多张所述图像。
优选的，所述三维CG软件为Blender。
优选的，对目标场景进行扫描，包括：
利用激光点云设备对所述目标场景进行扫描。
一种图像训练数据集生成装置，包括：
扫描模块，用于对目标场景进行扫描，以获取所述目标场景的三维数据；
输入模块，用于将所述三维数据输入到三维CG软件中，利用所述三维CG软件构建与所述目标场景对应的三维模型；
UV贴图展开模块，用于对所述三维模型进行UV贴图展开，得到与所述目标场景对应的虚拟场景；
生成图像模块，用于触发所述三维CG软件的引擎，利用所述引擎及所述虚拟场景生成多张图像，并在生成所述图像时对所述图像进行标签的标注，以得到图像训练数据集。
优选的，还包括：
调用模块，用于在对所述三维模型进行UV贴图展开之后，调用所述三维CG软件的引擎，利用所述三维CG软件的引擎根据所述目标场景设置虚拟场景参数。
一种图像训练数据集生成设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述任一项所述的图像训练数据集生成方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的图像训练数据集生成方法的步骤。
本申请提供了一种图像训练数据集生成方法、装置、设备及计算机可读存储介质，其中，该方法包括：对目标场景进行扫描，以获取目标场景的三维数据；将三维数据输入到三维CG软件中，利用三维CG软件构建与目标场景对应的三维模型；对三维模型进行UV贴图展开，得到与目标场景对应的虚拟场景；触发三维CG软件的引擎，利用引擎及虚拟场景生成多张图像，并在生成图像时对图像进行标签的标注，以得到图像训练数据集。
本申请公开的上述技术方案，通过对目标场景进行扫描得到三维数据，并将三维数据输入到三维CG软件中，利用三维CG软件构建三维模型，并对三维模型进行UV贴图展开以得到与目标场景对应的虚拟场景，然后，触发三维CG软件的引擎，以利用引擎和虚拟场景生成多张图像，在生成图像时对图像进行标签的标注，以实现图像的自动生成和标签的自动标注，即实现图像训练数据集的自动生成，因此，相较于目前需要人工拍摄多张图像且人工对多张图像进行标注而言，本申请可以提高图像训练数据集的生成效率，降低图像训练数据集的生成成本。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种图像训练数据集生成方法的流程图；
图2为本申请实施例提供的一种图像训练数据集生成装置的结构示意图；
图3为本申请实施例提供的一种图像训练数据集生成设备的结构示意图。
具体实施方式
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，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图1，其示出了本申请实施例提供的一种图像训练数据集生成方法的流程图，本申请实施例提供的一种图像训练数据集生成方法，可以包括：
S11：对目标场景进行扫描，以获取目标场景的三维数据。
在需要利用目标场景生成图像训练数据集以进行模型计算时，可以对目标场景进行扫描，以获取到目标场景的三维数据，从而便于根据三维数据对目标场景进行建模。
S12：将三维数据输入到三维CG软件中，利用三维CG软件构建与目标场景对应的三维模型。
在得到目标场景的三维数据之后，将其输入到三维CG(Computer Animation，电脑动画制作)软件中，利用三维CG软件根据三维数据进行处理和模型的构建，以得到与目标场景对应的三维模型。
利用三维CG软件进行三维模型建立的速度比较快，而且所建立的三维模型与目标场景比较接近。
S13：对三维模型进行UV贴图展开，得到与目标场景对应的虚拟场景。
在得到三维模型之后，可以对三维模型进行UV贴图展开，以对三维模型表面进行纹理包装，最终得到与目标场景对应且与目标场景十分接近的虚拟场景，以使得最终根据虚拟场景所生成的图像可以更接近目标场景，从而提高图像的准确性和真实性。
其中，UV贴图展开中的U指的是二维空间的水平轴、V指的是二维空间中的垂直轴。
S14：触发三维CG软件的引擎，利用引擎及虚拟场景生成多张图像，并在生成图像时对图像进行标签的标注，以得到图像训练数据集。
在得到虚拟场景之后，可以触发三维CG软件的引擎，并利用三维CG软件的引擎及所得到的虚拟场景自动生成多张图像，在生成图像的同时，可以对所生成的图像自动进行标签的标注，以得到图像训练数据集。
在利用三维CG软件的引擎及所得到的虚拟场景生成多张图像时可以使虚拟场景实时或定时发生运动，在虚拟场景发生运动的过程中可以对应生成多张图像，以提高图像的多样化。
由上述可知，本申请可以在得到虚拟场景之后，通过触发三维CG软件的引擎和虚拟场景自动生成多张图像，并可以在生成图像时自动对图像进行标签的标注，以缩短图像训练数据集的生成时间，提高图像训练数据集的生成效率，且减少图像训练数据集生成过程中所耗费的精力，降低图像训练数据集的生成成本。
本申请公开的上述技术方案，通过对目标场景进行扫描得到三维数据，并将三维数据输入到三维CG软件中，利用三维CG软件构建三维模型，并对三维模型进行UV贴图展开以得到与目标场景对应的虚拟场景，然后，触发三维CG软件的引擎，以利用引擎和虚拟场景生成多张图像，在生成图像时对图像进行标签的标注，以实现图像的自动生成和标签的自动标注，即实现图像训练数据集的自动生成，因此，相较于目前需要人工拍摄多张图像且人工对多张图像进行标注而言，本申请可以提高图像训练数据集的生成效率，降低图像训练数据集的生成成本。
本申请实施例提供的一种图像训练数据集生成方法，在对三维模型进行UV贴图展开之后，还可以包括：
调用三维CG软件的引擎，利用三维CG软件的引擎根据目标场景设置虚拟场景参数。
在对三维模型进行UV贴图之后，可以调用三维CG软件的引擎，利用三维CG软件的引擎根据目标场景设置虚拟场景参数，以使得最终所得到的虚拟场景可以更加接近目标场景，从而提高最终所生成的图像训练数据集的质量，以便于最终的模型计算。
其中，这里提及的虚拟场景参数包括但不限于灯光、目标物体的数量、角度。
本申请实施例提供的一种图像训练数据集生成方法，触发三维CG软件的引擎，可以包括：
利用Python编写脚本，并利用脚本触发三维CG软件的引擎。
具体可以通过如下方式触发三维CG软件的引擎：
利用Python编写脚本，然后，利用所编写的脚本来灵活触发和调用三维CG软件的引擎，以实现三维CG软件引擎的自动触发和调用，从而便于提高图像训练数据集的生成效率，降低图像训练数据集的生成成本。
本申请实施例提供的一种图像训练数据集生成方法，在利用引擎及虚拟场景生成多张图像之前，还可以包括：
接收输入的图像生成参数；
相应地，利用引擎及虚拟场景生成多张图像，可以包括：
利用引擎及虚拟场景根据图像生成参数生成多张图像。
在利用引擎及虚拟场景生成多张图像之前，可以接收输入的图像生成参数，并利用引擎及虚拟场景根据图像生成参数生成多张与图像生成参数对应的图像，以实现图像训练数据集的定制化生成。
本申请实施例提供的一种图像训练数据集生成方法，三维CG软件为Blender。
具体可以利用Blender作为本申请所用到的三维CG软件，其是一个开源的跨平台全能三维动画制作软件，提供从建模、动画、材质、渲染到音频处理、视频剪辑的一系列动画短片制作解决方案。
利用Blender可以便于自动、快速地生成大量的图像，从而可以提高图像训练数据集的生成效率，降低图像训练数据集的生成成本。
本申请实施例提供的一种图像训练数据集生成方法，对目标场景进行扫描，可以包括：
利用激光点云设备对目标场景进行扫描。
具体可以利用激光点云设备对目标场景进行扫描，以便于快速、准确地获取目标场景的三维数据，从而便于提高图像训练数据集的生成效率，降低图像训练数据集的生成成本。
本申请实施例还提供了一种图像训练数据集生成装置，参见图2，其示出了本申请实施例提供的一种图像训练数据集生成装置的结构示意图，可以包括：
扫描模块21，用于对目标场景进行扫描，以获取目标场景的三维数据；
输入模块22，用于将三维数据输入到三维CG软件中，利用三维CG软件构建与目标场景对应的三维模型；
UV贴图展开模块23，用于对三维模型进行UV贴图展开，得到与目标场景对应的虚拟场景；
生成图像模块24，用于触发三维CG软件的引擎，利用引擎及虚拟场景生成多张图像，并在生成图像时对图像进行标签的标注，以得到图像训练数据集。
本申请实施例提供的一种图像训练数据集生成装置，还可以包括：
调用模块，用于在对三维模型进行UV贴图展开之后，调用三维CG软件的引擎，利用三维CG软件的引擎根据目标场景设置虚拟场景参数。
本申请实施例提供的一种图像训练数据集生成装置，生成图像模块24可以包括：
编写单元，用于利用Python编写脚本，并利用脚本触发三维CG软件的引擎。
本申请实施例提供的一种图像训练数据集生成装置，还可以包括：
接入模块，用于在利用引擎及虚拟场景生成多张图像之前，接收输入的图像生成参数；
相应地，生成图像模块24可以包括：
生成图像单元，用于利用引擎及虚拟场景根据图像生成参数生成多张图像。
本申请实施例提供的一种图像训练数据集生成装置，三维CG软件为Blender。
本申请实施例提供的一种图像训练数据集生成装置，扫描模块21可以包括：
扫描单元，用于利用激光点云设备对目标场景进行扫描。
本申请实施例还提供了一种图像训练数据集生成设备，参见图3，其示出了本申请实施例提供的一种图像训练数据集生成设备的结构示意图，可以包括：
存储器31，用于存储计算机程序；
处理器32，用于执行存储器31存储的计算机程序时可实现如下步骤：
对目标场景进行扫描，以获取目标场景的三维数据；将三维数据输入到三维CG软件中，利用三维CG软件构建与目标场景对应的三维模型；对三维模型进行UV贴图展开，得到与目标场景对应的虚拟场景；触发三维CG软件的引擎，利用引擎及虚拟场景生成多张图像，并在生成图像时对图像进行标签的标注，以得到图像训练数据集。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现如下步骤：
对目标场景进行扫描，以获取目标场景的三维数据；将三维数据输入到三维CG软件中，利用三维CG软件构建与目标场景对应的三维模型；对三维模型进行UV贴图展开，得到与目标场景对应的虚拟场景；触发三维CG软件的引擎，利用引擎及虚拟场景生成多张图像，并在生成图像时对图像进行标签的标注，以得到图像训练数据集。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例提供的一种图像训练数据集生成装置、设备及计算机可读存储介质中相关部分的说明可以参见本申请实施例提供的一种图像训练数据集生成方法中对应部分的详细说明，在此不再赘述。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种图像训练数据集生成方法，其特征在于，包括：
对目标场景进行扫描，以获取所述目标场景的三维数据；
将所述三维数据输入到三维CG软件中，利用所述三维CG软件构建与所述目标场景对应的三维模型；
对所述三维模型进行UV贴图展开，得到与所述目标场景对应的虚拟场景；
触发所述三维CG软件的引擎，利用所述引擎及所述虚拟场景生成多张图像，并在生成所述图像时对所述图像进行标签的标注，以得到图像训练数据集。
2.根据权利要求1所述的图像训练数据集生成方法，其特征在于，在对所述三维模型进行UV贴图展开之后，还包括：
调用所述三维CG软件的引擎，利用所述三维CG软件的引擎根据所述目标场景设置虚拟场景参数。
3.根据权利要求1所述的图像训练数据集生成方法，其特征在于，触发所述三维CG软件的引擎，包括：
利用Python编写脚本，并利用所述脚本触发所述三维CG软件的引擎。
4.根据权利要求3所述的图像训练数据集生成方法，其特征在于，在利用所述引擎及所述虚拟场景生成多张图像之前，还包括：
接收输入的图像生成参数；
相应地，利用所述引擎及所述虚拟场景生成多张图像，包括：
利用所述引擎及所述虚拟场景根据所述图像生成参数生成多张所述图像。
5.根据权利要求1所述的图像训练数据集生成方法，其特征在于，所述三维CG软件为Blender。
6.根据权利要求1所述的图像训练数据集生成方法，其特征在于，对目标场景进行扫描，包括：
利用激光点云设备对所述目标场景进行扫描。
7.一种图像训练数据集生成装置，其特征在于，包括：
扫描模块，用于对目标场景进行扫描，以获取所述目标场景的三维数据；
输入模块，用于将所述三维数据输入到三维CG软件中，利用所述三维CG软件构建与所述目标场景对应的三维模型；
UV贴图展开模块，用于对所述三维模型进行UV贴图展开，得到与所述目标场景对应的虚拟场景；
生成图像模块，用于触发所述三维CG软件的引擎，利用所述引擎及所述虚拟场景生成多张图像，并在生成所述图像时对所述图像进行标签的标注，以得到图像训练数据集。
8.根据权利要求7所述的图像训练数据集生成装置，其特征在于，还包括：
调用模块，用于在对所述三维模型进行UV贴图展开之后，调用所述三维CG软件的引擎，利用所述三维CG软件的引擎根据所述目标场景设置虚拟场景参数。
9.一种图像训练数据集生成设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述的图像训练数据集生成方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的图像训练数据集生成方法的步骤。
CN201911379320.1A 2019-12-27 2019-12-27 一种图像训练数据集生成方法、装置、设备及介质 Withdrawn CN111047693A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911379320.1A CN111047693A (zh) 2019-12-27 2019-12-27 一种图像训练数据集生成方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911379320.1A CN111047693A (zh) 2019-12-27 2019-12-27 一种图像训练数据集生成方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN111047693A true CN111047693A (zh) 2020-04-21

Family

ID=70240804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911379320.1A Withdrawn CN111047693A (zh) 2019-12-27 2019-12-27 一种图像训练数据集生成方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN111047693A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113763307A (zh) * 2020-08-11 2021-12-07 北京京东乾石科技有限公司 样本数据的获取方法和装置
CN115690286A (zh) * 2022-10-19 2023-02-03 珠海云洲智能科技股份有限公司 三维地形生成方法、终端设备及计算机可读存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017107758A1 (zh) * 2015-12-21 2017-06-29 大连新锐天地传媒有限公司 应用于图像或视频的ar显示系统及方法
CN107689073A (zh) * 2016-08-05 2018-02-13 阿里巴巴集团控股有限公司 图像集的生成方法、装置及图像识别模型训练方法、系统
CN109224442A (zh) * 2018-09-03 2019-01-18 腾讯科技（深圳）有限公司 虚拟场景的数据处理方法、装置及存储介质
WO2019019019A1 (zh) * 2017-07-25 2019-01-31 深圳前海达闼云端智能科技有限公司 训练数据生成方法、生成装置及其图像语义分割方法
CN109816014A (zh) * 2019-01-22 2019-05-28 天津大学 生成深度学习目标检测网络训练用带标注数据集的方法
CN109887084A (zh) * 2019-02-20 2019-06-14 成都市勘察测绘研究院 一种利用浸入式虚拟现实技术用于城市规划的方法
CN109903328A (zh) * 2017-12-11 2019-06-18 宁波盈芯信息科技有限公司 一种应用于智能手机的物体体积测量的装置及方法
CN110189406A (zh) * 2019-05-31 2019-08-30 阿里巴巴集团控股有限公司 图像数据标注方法及其装置
CN110428388A (zh) * 2019-07-11 2019-11-08 阿里巴巴集团控股有限公司 一种图像数据生成方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017107758A1 (zh) * 2015-12-21 2017-06-29 大连新锐天地传媒有限公司 应用于图像或视频的ar显示系统及方法
CN107689073A (zh) * 2016-08-05 2018-02-13 阿里巴巴集团控股有限公司 图像集的生成方法、装置及图像识别模型训练方法、系统
WO2019019019A1 (zh) * 2017-07-25 2019-01-31 深圳前海达闼云端智能科技有限公司 训练数据生成方法、生成装置及其图像语义分割方法
CN109903328A (zh) * 2017-12-11 2019-06-18 宁波盈芯信息科技有限公司 一种应用于智能手机的物体体积测量的装置及方法
CN109224442A (zh) * 2018-09-03 2019-01-18 腾讯科技（深圳）有限公司 虚拟场景的数据处理方法、装置及存储介质
CN109816014A (zh) * 2019-01-22 2019-05-28 天津大学 生成深度学习目标检测网络训练用带标注数据集的方法
CN109887084A (zh) * 2019-02-20 2019-06-14 成都市勘察测绘研究院 一种利用浸入式虚拟现实技术用于城市规划的方法
CN110189406A (zh) * 2019-05-31 2019-08-30 阿里巴巴集团控股有限公司 图像数据标注方法及其装置
CN110428388A (zh) * 2019-07-11 2019-11-08 阿里巴巴集团控股有限公司 一种图像数据生成方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘伟: "真三维虚拟演播室系统应用与技术", 《电视技术》 *
闫明明 等: "基于Virtools的某型导弹虚拟维修视景仿真设计", 《四川兵工学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113763307A (zh) * 2020-08-11 2021-12-07 北京京东乾石科技有限公司 样本数据的获取方法和装置
CN115690286A (zh) * 2022-10-19 2023-02-03 珠海云洲智能科技股份有限公司 三维地形生成方法、终端设备及计算机可读存储介质
CN115690286B (zh) * 2022-10-19 2023-08-29 珠海云洲智能科技股份有限公司 三维地形生成方法、终端设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN111512344A (zh) 使用增强用生成式对抗神经网络从cad数据生成合成深度图像
CN111047693A (zh) 一种图像训练数据集生成方法、装置、设备及介质
US11288354B2 (en) Verification code-based verification processing
CN111009041B (zh) 一种绘画创作方法、装置、终端设备及可读存储介质
CN110097616B (zh) 一种联合绘画方法、装置、终端设备及可读存储介质
CN113297701B (zh) 多种类工业零件堆叠场景的仿真数据集生成方法及装置
CN108597034B (zh) 用于生成信息的方法和装置
CN112926565A (zh) 图片文本的识别方法、系统、设备和存储介质
CN112657192A (zh) 一种碰撞检测方法及装置
Buls et al. Generation of synthetic training data for object detection in piles
CN116703875A (zh) 一种三维实例分割方法、装置、计算机设备及存储介质
Jørgensen et al. Simulation-based Optimization of Camera Placement in the Context of Industrial Pose Estimation.
CN115861293A (zh) 缺陷轮廓提取方法、装置、存储介质、设备及程序产品
CN113209626B (zh) 一种游戏画面渲染方法及装置
CN112541512B (zh) 一种图像集生成方法及装置
Xi et al. Localizing 3-d anatomical landmarks using deep convolutional neural networks
US20160163090A1 (en) Computing device and method for simulating process of scanning drawing of object
CN116939294B (zh) 视频植入方法、装置、存储介质及电子设备
KR101223085B1 (ko) 컴퓨터 그래픽과 실사 배경 합성시 아웃포커싱 연출을 위한 스톱모션 애니메이션 제작 시스템 및 방법
CN114494920A (zh) 一种基于er拟真现实的3d扫描系统
US20210365730A1 (en) Method for generating training data and an electronic device
CN108320320B (zh) 一种信息显示方法、装置及设备
Bui et al. Boosted stable path for staff-line detection using order statistic downscaling and coarse-to-fine technique
Sumi et al. A production method of reusing existing 2D animation sequences
CN115082627A (zh) 3d舞台模型生成方法、装置、电子设备及可读存储介质

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200421