CN111062861A - 一种陈列图像样本的生成方法及装置 - Google Patents
一种陈列图像样本的生成方法及装置 Download PDFInfo
- Publication number
- CN111062861A CN111062861A CN201911284109.1A CN201911284109A CN111062861A CN 111062861 A CN111062861 A CN 111062861A CN 201911284109 A CN201911284109 A CN 201911284109A CN 111062861 A CN111062861 A CN 111062861A
- Authority
- CN
- China
- Prior art keywords
- image
- sku
- scene
- visual angle
- display
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000000007 visual effect Effects 0.000 claims abstract description 89
- 238000012545 processing Methods 0.000 claims description 19
- 230000004927 fusion Effects 0.000 claims description 8
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种陈列图像样本的生成方法及装置,所述方法包括:获取不同视觉角度下的待融合SKU的SKU图像,并根据视觉角度对每一所述SKU图像进行分类;获取陈列场景的场景图像,并根据视觉角度对所述场景图像中的每一待替换SKU进行分类;其中,所述场景图像中的待替换SKU与所述SKU图像中的SKU为不同品类的SKU;以所述SKU图像为前景图像,以所述场景图像为背景图像,根据所述前景图像所属的视觉角度类别,将所述前景图像中的待融合SKU与所述背景图像中,视觉角度类别相同的待替换SKU进行替换,生成所述陈列图像样本,通过实施本发明的实施例能降低新SKU陈列图像样本采集的人力物力成本并提高陈列图像样本的获取效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其是涉及一种陈列图像样本的生成方法及装置。
背景技术
快消品零售是一个很特殊的行业,商品销售节奏很快,它更多满足的是消费者的冲动性和即时性消费。充满视觉冲击力的货架陈列对推动销售业绩发挥着重要作用。很多大型快消品牌商每年花在陈列广告上的支出多达十几亿,光花在陈列检查上的费用就有近亿元。过去陈列检查完全依赖人眼和手工完成的,进店和记录需要花费大量的人力,效率很低,质量难以把控。随着技术的发展越来越多的陈列检测采用基于深度学些的商品识别的技术,对陈列进行智能检测。
而基于深度学习的商品识别在模型训练时需要依赖于大量陈列图片数据,作为训练样本,而这些作为训练样本的陈列图片主要由人工进行实地采集,而由于快消行业的快速变换的节奏,产品的更新比较块,若每变更一种新产品就要实地去采集新产品的陈列图像作为训练样本,需要花费大量人力物力成本,并且对于那些时效性特别高的,间歇性特别强的陈列场景,如节假日特别促销陈列场景等,由于陈列时间短,采用人工实地采集的方式可能不能在促销产品的陈列期间,采集足够多的样本。
发明内容
本发明实施例所要解决的技术问题在于,提供了一种陈列图像样本的生成方法及装置,能够在原有陈列场景的场景图像的基础上,生成与原场景图像不同的SKU的陈列图像,降低新SKU陈列图像样本采集的人力物力成本并提高陈列图像样本的获取效率。
为了解决上述技术问题,本发明实施例提供了一种陈列图像样本的生成方法,包括:获取不同视觉角度下的待融合SKU的SKU图像,并根据视觉角度对每一所述SKU图像进行分类;
获取陈列场景的场景图像,并根据视觉角度对所述场景图像中的每一待替换SKU进行分类;其中,所述场景图像中的待替换SKU与所述SKU图像中的SKU为不同品类的SKU;
以所述SKU图像为前景图像,以所述场景图像为背景图像,根据所述前景图像所属的视觉角度类别,将所述前景图像中的待融合SKU与所述背景图像中,视觉角度类别相同的待替换SKU进行替换,生成所述陈列图像样本。
进一步的,所述以所述SKU图像为前景图像,以所述场景图像为背景图像,根据所述前景图像所属的视觉角度类别,将所述前景图像中的待融合SKU与所述背景图像中,视觉角度类别相同的待替换SKU进行替换,生成所述陈列图像样本,具体包括:
步骤A:以一所述SKU图像,作为所述前景图像,并提取所述前景图像中待融合SKU的mask;
步骤B:以一所述场景图像,作为所述背景图像,并提取所述背景图像中所有待替换SKU对应的标注框的位置信息和视觉角度类别信息
步骤C:选取一标注框,并判断所选取的标注框的视觉角度类别信息是否与所述前景图像的视觉角度类别一致;若一致,则将所选取的标注框对应的待替换SKU与所述待融合SKU的mask进行替换,若不一致,则重新选取一标注框,重新判断所选取的标注框的视觉角度类别信息是否与所述前景图像的视觉角度类别一致;
步骤D:重复步骤A和步骤C直至所替换的前景图像的数量达到预设值,生成所述陈列图像样本。
进一步的,在获取不同视觉角度下的待融合SKU的SKU图像之后,还包括:将所有所述SKU图像输入预设的对抗网络模型中,以使所述对抗网络模型生成新的SKU图像。
进一步的,在生成所述陈列图像样本后,还包括,通过预设的StyleGAN模型对所述陈列图像样本进行处理。
进一步的,修改所述陈列图像样本中待融合SKU的mask所对应的标注框的位置信息,继而计算所述陈列图像样本中每两个标注框的iou值,并根据所述iou值进行去重。
进一步的,所述陈列场景包括:货架场景、冰柜场景、端架场景或地推场景。
在上述方法项实施例的基础上本发明对应提供了装置项实施例;
本发明一实施例提供了一种陈列图像样本的生成装置,包括SKU图像获取及处理模块,场景图像获取及处理模块和图像融合模块;
所述SKU图像获取及处理模块,用于获取不同视觉角度下的待融合SKU的SKU图像,并根据视觉角度对每一所述SKU图像进行分类;
所述场景图像获取及处理模块,用于获取陈列场景的场景图像,并根据视觉角度对所述场景图像中的每一待替换SKU进行分类;其中,所述场景图像中的待替换SKU与所述SKU图像中的SKU为不同品类的SKU;
所述图像融合模块,用于以所述SKU图像为前景图像,以所述场景图像为背景图像,根据所述前景图像所属的视觉角度类别,将所述前景图像中的待融合SKU与所述背景图像中,视觉角度类别相同的待替换SKU进行替换,生成所述陈列图像样本。
与现有技术相比,本发明具有如下有益效果:
本发明实施例提供了一种陈列图像样本的生成方法及装置,所述方法以不同视觉角度下的待融合SKU的SKU图像为前景图像,以一陈列场景的场景图像为背景图像,然后将前景图像中的待融合SKU与背景图像中的待替换SKU进行替换,生成待融合SKU的陈列场景图像(即上述陈列图像样本),从而实现待融合SKU的陈列图像样本的获取,相对于现有技术,当用户需要获取待融合SKU的陈列场景的图像样本时,不需要通过人工的方式到实地去拍照采集,只需利用以前存储的不是待融合SKU的陈列场景图像,通过图像的融合替换,就可以生成属于待融合SKU的陈列场景图像,这样一方面对于新产品的SKU的陈列场景图像,只需要有其他不同SKU的场景图像,就可以生成降低了对于新产品的SKU的陈列场景图像的采集的人力物力成本,另一方面对于促销类的产品的陈列场景图像,由于不需要到现场去实地拍摄,因此这一类产品的陈列场景图像或者说陈列图像样本,不受产品实际陈列周期的影响,不会因为时间不足的原因,导致采集的陈列图像样本的数量不足。
附图说明
图1是本发明一实施例提供一种陈列图像样本的生成方法的流程示意图;
图2是本发明一实施例提供一种陈列图像样本的生成装置的装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种陈列图像样本的生成方法,包括:
步骤S101:获取不同视觉角度下的待融合SKU的SKU图像,并根据视觉角度对每一所述SKU图像进行分类;
步骤S102:获取陈列场景的场景图像,并根据视觉角度对所述场景图像中的每一待替换SKU进行分类;其中,所述场景图像中的待替换SKU与所述SKU图像中的SKU为不同品类的SKU;
步骤S103:以所述SKU图像为前景图像,以所述场景图像为背景图像,根据所述前景图像所属的视觉角度类别,将所述前景图像中的待融合SKU与所述背景图像中,视觉角度类别相同的待替换SKU进行替换,生成所述陈列图像样本。
对于步骤S101,首先不同视觉角度下的待融合SKU的SKU图像,指的是待融合SKU的正视图,左视图,右视图,仰视图和俯视图,5个不同视觉角度的图像,在实际操作中,通过摄像装置对待融合SKU单品进行正拍,左斜拍,右斜拍,仰拍和俯拍,得到5个视觉角度的待融合SKU的SKU图像,每个角度拍摄的图像的数量至少是1张,具体数量可根据实际情况进行设定;优选的采集SKU图像应该覆盖所述待融合SKU的所有关键特征的二维平面;在获取完SKU图后,对SKU图像按视觉角度进行分类。在一个优选的实施例中,还对SKU图像的图像背景进行透明化处理,将所有获取的SKU图像进行存储,构建前景图像库。
在一个优选的实施例中,在获取不同视觉角度下的待融合SKU的SKU图像之后,还包括:将所有所述SKU图像输入预设的对抗网络模型中,以使所述对抗网络模型生成新的SKU图像。在这一实施例中,通过将获取的SKU图像传入生成对抗模型,所增加的SKU图像数据中既包括原图片的特征,且含有不同的新的特征,实现了对原SKU图像的特征与数量的增广。
需要说明的是本文中所涉及的SKU可以理解为一类产品或者说商品。
对于步骤S102,首先需要说明的是上述陈列场景的场景图像,是与待融合SKU品类不同的SKU的陈列场景图像,在实际场景中可以将待融合SKU理解为新产品,陈列场景的场景图像可以理解为以前旧的产品的陈列场景图像,优选的可以从以往所积累的陈列图像中选取;在本发明的中预存了以下任意一种或多种组合的陈列场景的场景图像,货架场景、冰柜场景、端架端架场景或地推场景,构建了一个背景图像库;方法执行时,从背景图像库中随机获取一陈列场景的场景图像,作为后文所述的背景图像;
获取的场景图像中包括若干SKU,此时与步骤S101相同需要根据不同的视觉角度,对场景图像中的各个SKU进行分类,然后通过打标工具,标出每个SKU在场景图像中的位置信息,并将位置信息和视觉角度类别信息保存在XML文件中;例如可以通过一个标注框对场景图像中的每个待替换SKU进行框选,然后将标注框的坐标信息和标准框所对应的待替换SKU的视觉类别信息存储在XML文件中。
对于步骤S103,在一个优选的实施例中,以所述SKU图像为前景图像,以所述场景图像为背景图像,根据所述前景图像所属的视觉角度类别,将所述前景图像中的待融合SKU与所述背景图像中,视觉角度类别相同的待替换SKU进行替换,生成所述陈列图像样本,具体包括:
步骤A:以一所述SKU图像,作为所述前景图像,并提取所述前景图像中待融合SKU的mask;
步骤B:以一所述场景图像,作为所述背景图像,并提取所述背景图像中所有待替换SKU对应的标注框的位置信息和视觉角度类别信息
步骤C:选取一标注框,并判断所选取的标注框的视觉角度类别信息是否与所述前景图像的视觉角度类别一致;若一致,则将所选取的标注框对应的待替换SKU与所述待融合SKU的mask进行替换,若不一致,则重新选取一标注框,重新判断所选取的标注框的视觉角度类别信息是否与所述前景图像的视觉角度类别一致;
步骤D:重复步骤A和步骤C直至所替换的前景图像的数量达到预设值,生成所述陈列图像样本。
具体的对于步骤A,从步骤S101所构建的前景图像库中随机选取一张SKU图像作为前景图像,通过统计像素分布计算图像中待融合SKU的轮廓与整张图像的占比,然后获取待融合SKU的mask;
对于步骤B,从步骤S102所构建的背景图像库中随机选取一场景图像,作为上述背景图像,然后提取背景图像中所有待替换SKU对应的标注框的位置信息和视觉角度类别信息(从存储的XML文件中提取)。
对于步骤C,随机选取一标注框,然后判断所选取的标注框的视觉角度类别信息是否与步骤A中所选取的前景图像的视觉角度类别一致;若一致则将该标注框对应的待替换SKU替换为情景图像中的待融合SKU的mask,可通过OpenCV图像处理方法把前景图片与背景图片中含标注框区域进行融合替换;(例如假设前景图像的视觉角度类别属于正视,而待替换SKU也为视觉角度也属于正视,则两者类别一致,进行替换);如果不一致则重新选取另一个未替换的标注框(例如假设前景图像的视觉角度类别属于正视,而待替换SKU也为视觉角度属于俯视,则两者类别不一致,不进行替换)。这一步需要说明的是,对于已经替换过得标注框是不会重新替换的,即当一个标注框对应的待替换SKU替换完成后,在下次选取标注框时,就不会选取已经替换完成的标注框。
对于步骤D:当在步骤C中完成了对一张前景图像的替换后,就会重复步骤A,再次从前景图像库中选取一SKU图像作为前景图像,然后执行步骤C对新选取的前景图像进行替换。直至所替换的前景图像的数量达到了预设值则停止替换,最终生成待融合SKU对应的陈列场景图像,即上述的陈列图像样本。
需要说明的是,当生成一陈列图像样本后,可以重新从上述背景图像库中,选取一张场景图像作为新的背景图像,然后按上述步骤对新的背景图像中的待替换SKU进行替换,这样就可以生成多张陈列图像样本,从而构成基于深度学习的商品识别在模型训练时所需要的陈列图像样本集。
需要说明的是在一个优选的实施例中,在步骤D中的背景图像替换完成后,还对替换完成的图像进行区域均衡化处理,将均衡化处理后的图像作为上述陈列图像样本。
在一个优选的实施例中,在生成所述陈列图像样本后,还包括,通过预设的StyleGAN模型对所述陈列图像样本进行处理。
在这一实施例中,通过StyleGAN模型对陈列图像样本进行处理,从而生成更加真实分辨率更高的陈列图像样本。具体的基于StyleGAN模型从非常低的分辨率开始训练,一直到高分辨率。通过分别地修改网络中每个级别的输入,以控制在该级别中所表示的视觉特征,从粗糙的特征(形状)到精细的细节(颜色),生成的更加真实的高分辨率图像。
在一个优选的实施例中,还包括:修改所述陈列图像样本中待融合SKU的mask所对应的标注框的位置信息,继而计算所述陈列图像样本中每两个标注框的iou值,并根据所述iou值进行去重。
由于待融合SKU的大小可能与背景图像中的待替换SKU的大小不一致,导致生成陈列图像样本之后,原待替换SKU对应的标注框的位置信息于现图像中的待融合SKU的位置信息不一致,因此需要根据现陈列图像样本中的待融合SKU的位置信息,对待融合SKU对应的待替换SKU的标注框的位置信息进行修改。修改后,计算陈列图像样本中每两个标注框的iou值,并根据所述iou值进行去重,调整视觉上存在遮挡的标注框大小。
在上述方法项实施例的基础上,对应提供了装置项实施例:
如图2所示,本发明一实施例提供了一种陈列图像样本的生成装置,包括SKU图像获取及处理模块,场景图像获取及处理模块和图像融合模块;
所述SKU图像获取及处理模块,用于获取不同视觉角度下的待融合SKU的SKU图像,并根据视觉角度对每一所述SKU图像进行分类;
所述场景图像获取及处理模块,用于获取陈列场景的场景图像,并根据视觉角度对所述场景图像中的每一待替换SKU进行分类;其中,所述场景图像中的待替换SKU与所述SKU图像中的SKU为不同品类的SKU;
所述图像融合模块,用于以所述SKU图像为前景图像,以所述场景图像为背景图像,根据所述前景图像所属的视觉角度类别,将所述前景图像中的待融合SKU与所述背景图像中,视觉角度类别相同的待替换SKU进行替换,生成所述陈列图像样本。
可以理解的是上述装置项实施例,是与本发明方法项实施例相对应的,本发明实施例提供的一种陈列图像样本的生成装置,可以实现本发明任意一项方法项实施例提供的陈列图像样本的生成方法。
通过实施本发明实施例具有如下有益效果:
当用户需要获取待融合SKU的陈列场景的图像样本时,不需要通过人工的方式到实地去拍照采集,只需利用以前存储的不是待融合SKU的陈列场景图像,通过图像的融合替换,就可以生成属于待融合SKU的陈列场景图像,这样一方面对于新产品的SKU的陈列场景图像,只需要有其他不同SKU的场景图像,就可以生成降低了对于新产品的SKU的陈列场景图像的采集的人力物力成本,另一方面对于促销类的产品的陈列场景图像,由于不需要到现场去实地拍摄,因此这一类产品的陈列场景图像或者说陈列图像样本,不受产品实际陈列周期的影响,不会因为时间不足的原因,导致采集的陈列图像样本的数量不足。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (7)
1.一种陈列图像样本的生成方法,其特征在于,包括:
获取不同视觉角度下的待融合SKU的SKU图像,并根据视觉角度对每一所述SKU图像进行分类;
获取陈列场景的场景图像,并根据视觉角度对所述场景图像中的每一待替换SKU进行分类;其中,所述场景图像中的待替换SKU与所述SKU图像中的SKU为不同品类的SKU;
以所述SKU图像为前景图像,以所述场景图像为背景图像,根据所述前景图像所属的视觉角度类别,将所述前景图像中的待融合SKU与所述背景图像中,视觉角度类别相同的待替换SKU进行替换,生成所述陈列图像样本。
2.根据权利要求1所述陈列图像样本的生成方法,其特征在于,所述以所述SKU图像为前景图像,以所述场景图像为背景图像,根据所述前景图像所属的视觉角度类别,将所述前景图像中的待融合SKU与所述背景图像中,视觉角度类别相同的待替换SKU进行替换,生成所述陈列图像样本,具体包括:
步骤A:以一所述SKU图像,作为所述前景图像,并提取所述前景图像中待融合SKU的mask;
步骤B:以一所述场景图像,作为所述背景图像,并提取所述背景图像中所有待替换SKU对应的标注框的位置信息和视觉角度类别信息;
步骤C:选取一标注框,并判断所选取的标注框的视觉角度类别信息是否与所述前景图像的视觉角度类别一致;若一致,则将所选取的标注框对应的待替换SKU与所述待融合SKU的mask进行替换,若不一致,则重新选取一标注框,重新判断所选取的标注框的视觉角度类别信息是否与所述前景图像的视觉角度类别一致;
步骤D:重复步骤A和步骤C直至所替换的前景图像的数量达到预设值,生成所述陈列图像样本。
3.根据权利要求1所述陈列图像样本的生成方法,其特征在于,在获取不同视觉角度下的待融合SKU的SKU图像之后,还包括:将所有所述SKU图像输入预设的对抗网络模型中,以使所述对抗网络模型生成新的SKU图像。
4.根据权利要求1所述陈列图像样本的生成方法,其特征在于,在生成所述陈列图像样本后,还包括,通过预设的StyleGAN模型对所述陈列图像样本进行处理。
5.根据权利要求2所述陈列图像样本的生成方法,其特征在于,还包括:修改所述陈列图像样本中待融合SKU的mask所对应的标注框的位置信息,继而计算所述陈列图像样本中每两个标注框的iou值,并根据所述iou值进行去重。
6.根据权利要求1所述陈列图像样本的生成方法,其特征在于,所述陈列场景包括:货架场景、冰柜场景、端架场景或地推场景。
7.一种陈列图像样本的生成装置,其特征在于,包括SKU图像获取及处理模块,场景图像获取及处理模块和图像融合模块;
所述SKU图像获取及处理模块,用于获取不同视觉角度下的待融合SKU的SKU图像,并根据视觉角度对每一所述SKU图像进行分类;
所述场景图像获取及处理模块,用于获取陈列场景的场景图像,并根据视觉角度对所述场景图像中的每一待替换SKU进行分类;其中,所述场景图像中的待替换SKU与所述SKU图像中的SKU为不同品类的SKU;
所述图像融合模块,用于以所述SKU图像为前景图像,以所述场景图像为背景图像,根据所述前景图像所属的视觉角度类别,将所述前景图像中的待融合SKU与所述背景图像中,视觉角度类别相同的待替换SKU进行替换,生成所述陈列图像样本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911284109.1A CN111062861A (zh) | 2019-12-13 | 2019-12-13 | 一种陈列图像样本的生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911284109.1A CN111062861A (zh) | 2019-12-13 | 2019-12-13 | 一种陈列图像样本的生成方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111062861A true CN111062861A (zh) | 2020-04-24 |
Family
ID=70301567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911284109.1A Pending CN111062861A (zh) | 2019-12-13 | 2019-12-13 | 一种陈列图像样本的生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062861A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270339A (zh) * | 2020-06-30 | 2021-01-26 | 上海扩博智能技术有限公司 | 模型训练用的图像数据生成方法、系统、设备和存储介质 |
CN112381924A (zh) * | 2020-11-12 | 2021-02-19 | 广州市玄武无线科技股份有限公司 | 一种基于三维建模获取仿真货品陈列信息的方法及系统 |
WO2022041274A1 (zh) * | 2020-08-31 | 2022-03-03 | 苏州铭冠软件科技有限公司 | 物体位于立体仓库环境中的视觉识别方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020191860A1 (en) * | 2000-12-22 | 2002-12-19 | Cheatle Stephen Philip | Image composition evaluation |
CN102609902A (zh) * | 2010-12-10 | 2012-07-25 | 卡西欧计算机株式会社 | 图像处理装置及图像处理方法 |
US20170330050A1 (en) * | 2016-05-16 | 2017-11-16 | Axis Ab | Method and apparatus for updating a background model used for background subtraction of an image |
CN108921120A (zh) * | 2018-07-13 | 2018-11-30 | 北京优创新港科技股份有限公司 | 一种适应广泛零售场景下的香烟识别方法 |
CN108961157A (zh) * | 2018-06-19 | 2018-12-07 | Oppo广东移动通信有限公司 | 图片处理方法、图片处理装置及终端设备 |
CN108986058A (zh) * | 2018-06-22 | 2018-12-11 | 华东师范大学 | 明度一致性学习的图像融合方法 |
CN109377502A (zh) * | 2018-10-15 | 2019-02-22 | 深圳市中科明望通信软件有限公司 | 一种图像处理方法、图像处理装置及终端设备 |
CN109829932A (zh) * | 2019-01-18 | 2019-05-31 | 创新奇智(宁波)科技有限公司 | 一种自动前景提取的数据采集方法及装置 |
CN109977983A (zh) * | 2018-05-07 | 2019-07-05 | 广州逗号智能零售有限公司 | 获得训练图像的方法及装置 |
-
2019
- 2019-12-13 CN CN201911284109.1A patent/CN111062861A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020191860A1 (en) * | 2000-12-22 | 2002-12-19 | Cheatle Stephen Philip | Image composition evaluation |
CN102609902A (zh) * | 2010-12-10 | 2012-07-25 | 卡西欧计算机株式会社 | 图像处理装置及图像处理方法 |
US20170330050A1 (en) * | 2016-05-16 | 2017-11-16 | Axis Ab | Method and apparatus for updating a background model used for background subtraction of an image |
CN109977983A (zh) * | 2018-05-07 | 2019-07-05 | 广州逗号智能零售有限公司 | 获得训练图像的方法及装置 |
CN108961157A (zh) * | 2018-06-19 | 2018-12-07 | Oppo广东移动通信有限公司 | 图片处理方法、图片处理装置及终端设备 |
CN108986058A (zh) * | 2018-06-22 | 2018-12-11 | 华东师范大学 | 明度一致性学习的图像融合方法 |
CN108921120A (zh) * | 2018-07-13 | 2018-11-30 | 北京优创新港科技股份有限公司 | 一种适应广泛零售场景下的香烟识别方法 |
CN109377502A (zh) * | 2018-10-15 | 2019-02-22 | 深圳市中科明望通信软件有限公司 | 一种图像处理方法、图像处理装置及终端设备 |
CN109829932A (zh) * | 2019-01-18 | 2019-05-31 | 创新奇智(宁波)科技有限公司 | 一种自动前景提取的数据采集方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270339A (zh) * | 2020-06-30 | 2021-01-26 | 上海扩博智能技术有限公司 | 模型训练用的图像数据生成方法、系统、设备和存储介质 |
WO2022041274A1 (zh) * | 2020-08-31 | 2022-03-03 | 苏州铭冠软件科技有限公司 | 物体位于立体仓库环境中的视觉识别方法 |
CN112381924A (zh) * | 2020-11-12 | 2021-02-19 | 广州市玄武无线科技股份有限公司 | 一种基于三维建模获取仿真货品陈列信息的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111062861A (zh) | 一种陈列图像样本的生成方法及装置 | |
CN105141987B (zh) | 广告植入方法和广告植入系统 | |
CN101479765B (zh) | 对2d电影进行转换用于立体3d显示的方法和系统 | |
CN104424482B (zh) | 图像处理设备和图像处理方法 | |
CN109241871A (zh) | 一种基于视频数据的公共区域人流跟踪方法 | |
CN110363716A (zh) | 一种基于条件生成对抗网络复合降质图像高质量重建方法 | |
CN108898109A (zh) | 物品关注度的确定方法、装置和系统 | |
CN101398939A (zh) | 多视点数据生成装置和方法 | |
CN104272377B (zh) | 运动图片项目管理系统 | |
CN109977983A (zh) | 获得训练图像的方法及装置 | |
CN103091249A (zh) | 气体可视化布局,设备以及方法 | |
JPH05501184A (ja) | 連続画像の内容変更を行う方法および装置 | |
CN104735435B (zh) | 影像处理方法及电子装置 | |
CN107845142A (zh) | 一种网络三维虚拟广告的自动生成及互动方法和系统 | |
CN108596137A (zh) | 一种基于图像识别算法的商品扫描录入方法 | |
CN108229300A (zh) | 视频分类方法、装置、计算机可读存储介质和电子设备 | |
CN114170161A (zh) | 一种烟支外观缺陷检测方法及系统 | |
CN109840905A (zh) | 电力设备锈迹检测方法及系统 | |
CN108375353A (zh) | 一种木材检测方法、装置和设备 | |
Inamoto et al. | Intermediate view generation of soccer scene from multiple videos | |
KR102007432B1 (ko) | 3차원 콘텐츠 영상 생성 및 제공 시스템 | |
Hrabovskyi et al. | Development of a method for the creation of 3d advertising printing products | |
CN109657681A (zh) | 图片的标注方法、装置、电子设备及计算机可读存储介质 | |
CN110119675B (zh) | 一种产品识别方法和装置 | |
CN111429512A (zh) | 图像处理方法和装置、存储介质及处理器 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200424 |