CN112232385A - 一种图像处理方法及装置 - Google Patents
一种图像处理方法及装置 Download PDFInfo
- Publication number
- CN112232385A CN112232385A CN202011036475.8A CN202011036475A CN112232385A CN 112232385 A CN112232385 A CN 112232385A CN 202011036475 A CN202011036475 A CN 202011036475A CN 112232385 A CN112232385 A CN 112232385A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- image
- images
- background image
- target object
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 79
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 32
- 238000012549 training Methods 0.000 claims description 25
- 230000015572 biosynthetic process Effects 0.000 claims description 20
- 238000003786 synthesis reaction Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 5
- 244000144972 livestock Species 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 239000002131 composite material Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请示出了一种图像处理方法及装置。在本申请中，可以获取目标对象的第一二维图像，以及，获取二维背景图像；根据第一二维图像生成目标对象的三维模型；根据三维模型获取目标对象的不同角度的多个第二二维图像；将各个第二二维图像分别与二维背景图像合成，得到多个合成图像，以及，根据目标对象获取各个合成图像的标注数据。相比于现有技术，本申请可以人工搜集少量的目标对象的第一二维图像即可得到大量的样本图像，减少了人工操作，从而可以节省人工成本，且可以降低获取样本图像以及样本图像的标注数据的难度，且由于全程自动化处理，可以提高获取样本图像以及样本图像的标注数据的效率。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种图像处理方法及装置。
背景技术
当前，对图像中的目标进行检测的需求逐渐增加，且随着技术的飞速发展，越来越多的平台使用模型对图像中的目标进行检测。
为了能够使用模型对图像中的目标进行检测，事先需要使用大量的样本图像训练模型。在现有技术中，可以人工搜集样本图像，然后对每一个样本图像进行人工标注，得到样本图像的标注数据，之后可以使用样本图像以及样本图像的标注数据训练模型。
然而，发明人发现，现有技术中每一个样本图像都需要人工搜集，每一个样本图像的标注数据都需要人工标注，导致人工成本较高。
发明内容
为降低人工成本，本申请示出了一种图像处理方法及装置。
第一方面，本申请示出了一种图像处理方法，所述方法包括：
获取目标对象的第一二维图像，以及，获取二维背景图像；
根据所述第一二维图像生成所述目标对象的三维模型；
根据所述三维模型获取所述目标对象的不同角度的多个第二二维图像；
将各个第二二维图像分别与所述二维背景图像合成，得到多个合成图像，以及，根据目标对象获取各个合成图像的标注数据。
在一个可选的实现方式中，所述方法还包括：
根据多个合成图像以及各个合成图像的标注数据训练数据处理模型。
在一个可选的实现方式中，所述获取二维背景图像，包括：
获取所述数据处理模型的应用场景；
获取包括所述应用场景的二维背景图像。
在一个可选的实现方式中，所述将各个第二二维图像分别与所述二维背景图像合成，包括：
对于任意一个第二二维图像，对所述第二二维图像进行不同程度的尺寸变换，得到多个不同尺寸的第二二维图像；
将多个不同尺寸的第二二维图像分别与所述二维背景图像合成。
在一个可选的实现方式中，所述将各个第二二维图像分别与所述二维背景图像合成，包括：
在所述二维背景图像上确定多个不同的位置；
对于任意一个第二二维图像，将所述第二二维图像分别在不同的位置上与所述二维背景图像合成。
在一个可选的实现方式中，所述将各个第二二维图像分别与所述二维背景图像合成，包括：
确定多个不同的旋转角度；
对于任意一个第二二维图像，将所述第二二维图像在所述第二二维图像所在的平面上分别旋转不同的旋转角度，得到多个不同旋转角度的第二二维图像，将多个不同旋转角度的第二二维图像分别与所述二维背景图像合成。
在一个可选的实现方式中，所述将各个第二二维图像分别与所述二维背景图像合成，包括：
对于任意一个第二二维图像，对所述第二二维图像进行不同程度的畸变，得到多个不同程度畸变的第二二维图像；
将多个不同程度畸变的第二二维图像分别与所述二维背景图像合成。
第二方面，本申请示出了一种图像处理装置，所述装置包括：
第一获取模块，用于获取目标对象的第一二维图像，以及，第二获取模块，用于获取二维背景图像；
生成模块，用于根据所述第一二维图像生成所述目标对象的三维模型；
第三获取模块，用于根据所述三维模型获取所述目标对象的不同角度的多个第二二维图像；
合成模块，用于将各个第二二维图像分别与所述二维背景图像合成，得到多个合成图像，以及，第四获取模块，用于根据目标对象获取各个合成图像的标注数据。
对于任意一个第二二维图像，所述装置还包括：
训练模块，用于根据多个合成图像以及各个合成图像的标注数据训练数据处理模型。
对于任意一个第二二维图像，所述第二获取模块包括：
第一获取单元，用于获取所述数据处理模型的应用场景；
第二获取单元，用于获取包括所述应用场景的二维背景图像。
对于任意一个第二二维图像，所述合成模块包括：
变换单元，用于对于任意一个第二二维图像，对所述第二二维图像进行不同程度的尺寸变换，得到多个不同尺寸的第二二维图像；
第一合成单元，用于将多个不同尺寸的第二二维图像分别与所述二维背景图像合成。
对于任意一个第二二维图像，所述合成模块包括：
第一确定单元，用于在所述二维背景图像上确定多个不同的位置；
第二合成单元，用于对于任意一个第二二维图像，将所述第二二维图像分别在不同的位置上与所述二维背景图像合成。
对于任意一个第二二维图像，所述合成模块包括：
第二确定单元，用于确定多个不同的旋转角度；
旋转单元，用于对于任意一个第二二维图像，将所述第二二维图像在所述第二二维图像所在的平面上分别旋转不同的旋转角度，得到多个不同旋转角度的第二二维图像，第三合成单元，用于将多个不同旋转角度的第二二维图像分别与所述二维背景图像合成。
对于任意一个第二二维图像，所述合成模块包括：
畸变单元，用于对于任意一个第二二维图像，对所述第二二维图像进行不同程度的畸变，得到多个不同程度畸变的第二二维图像；
第四合成单元，用于将多个不同程度畸变的第二二维图像分别与所述二维背景图像合成。
第三方面，本申请示出了一种电子设备，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行如第一方面所述的图像处理方法。
第四方面，本申请示出了一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如第一方面所述的图像处理方法。
第五方面，本申请示出了一种计算机程序产品，当所述计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备能够执行如第一方面所述的图像处理方法。
本申请提供的技术方案可以包括以下有益效果：
在需要得到大量的用于训练数据处理模型的样本图像以及样本图像的标注数据的情况下，在现有技术中，每一个样本图像都需要人工搜集，每一个样本图像的标注数据都需要人工标注，导致人工成本较高。
而在本申请中，可以获取目标对象的第一二维图像，以及，获取二维背景图像；根据第一二维图像生成目标对象的三维模型；根据三维模型获取目标对象的不同角度的多个第二二维图像；将各个第二二维图像分别与二维背景图像合成，得到多个合成图像，以及，根据目标对象获取各个合成图像的标注数据。
因此，通过本申请，人工可以仅搜集少量的目标对象的第一二维图像即刻，之后电子设备可以根据少量的目标对象的第一二维图像生成大量的目标对象的第二二维图像，并自动根据大量的目标对象的第二二维图像以及二维背景图像获取大量的合成图像，以及可以将合成图像的标注数据确定为目标对象，其中，合成图像可以作为样本图像，合成图像的标注数据可以为作为样本图像的标注数据，这样，就得到了用于训练数据处理模型的大量的样本图像以及各个样本图像的标注数据，之后根据大量的样本图像以及各个样本图像的标注数据就可以训练数据处理模型。
因此，相比于现有技术，本申请可以人工搜集少量的目标对象的第一二维图像即可得到大量的样本图像，减少了人工操作，从而可以节省人工成本，且可以降低获取样本图像以及样本图像的标注数据的难度，且由于全程自动化处理，可以提高获取样本图像以及样本图像的标注数据的效率。
附图说明
图1是本申请的一种图像处理方法的步骤流程图；
图2是本申请的一种获取图像的方法的步骤流程图；
图3是本申请的一种图像处理装置的结构框图；
图4是本申请示出的一种电子设备的框图；
图5是本申请示出的一种电子设备的框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
参照图1，示出了本申请的一种图像处理方法的步骤流程图，该方法应用于电子设备，该方法具体可以包括如下步骤：
在步骤S101中，获取目标对象的第一二维图像，以及，获取二维背景图像。
在本申请一个实施例中，可以人工拍摄包括目标对象的图像，或者，人工在网络上搜集包括目标对象的图像，并将包括目标对象的图像输入电子设备中，电子设备可以通过当前已存在的抠图技术从包括目标对象的图像抠出目标对象的第一二维图像，第一二维图像可以为：包括目标对象的图像中的目标对象的轮廓围成的部分等。
在本申请一个实施例中，可以搜集网络上的图像，并作为二维背景图像，二维背景图像可以为一个，也可以为多个等。
本申请的其中一个目的是为了训练用于检测图像中的目标对象的数据处理模型，因此，目标对象包括人物、动物、车体、建筑物、植物、山川以及河流等物体，当然，还可以包括其他物体，具体可以根据实际需求而定，本申请对此不加以限定。
其中，数据处理模型包括基于CNN(Convolutional Neural Networks，卷积神经网络)、RNN(Recurrent Neural Network，循环神经网络)、LSTM(Long Short-Term Memory，长短期记忆网络)等网络的模型。
其中，为了提高训练出的数据处理模型的性能，第一二维图像以及二维背景图像均可以是清晰且分辨率大于预设阈值的图像，例如，预设阈值包括1024*768或1440*900等，预设阈值可以根据实际情况而设定，本申请对此不加以限定。
在步骤S102中，根据第一二维图像生成目标对象的三维模型。
在本申请一个实施例中，可以获取第一二维图像中的各个像素点的景深信息，然后根据各个像素点的景深信息创建目标对象的三维模型。
例如，假设目标对象为人体，第一二维图像为人体的正面的图像，则可以根据人体的正面的各个像素点的景深创建人体的三维模型。
或者，也可以通过当前已存在的二维图像转换三维模型的技术来根据第一二维图像生成目标对象的三维模型，本申请对三维模型的具体生成方法不做限定。
在步骤S103中，根据三维模型获取目标对象的不同角度的多个第二二维图像。
在一个例子中，假设本申请的其中一个目的是为了训练用于检测图像中的人物的数据处理模型。
则对于人物的三维模型而言，假设人物的正面的角度为角度1，人物的一个侧面的角度为角度2，人物的另一个侧面的角度为角度3，则角度1与角度2之间具有多个角度，例如，角度1与角度2之间的每1°均可以看做是一个角度，也即，可以有多个侧前方的角度，例如，包括45个不同的角度等。
且则角度1与角度3之间也具有多个角度，例如，角度1与角度3之间的每1°均可以看做是一个角度，也即，还可以有多个侧前方的角度，例如，包括45个不同的角度等。
这样，就可以至少得到人体的两个侧面的图像，人体的正面的图像，以及人体的多个侧前方的图像(90个)等。
在步骤S104中，将各个第二二维图像分别与二维背景图像合成，得到多个合成图像，以及，根据目标对象获取各个合成图像的标注数据。
在本申请一个实施例中，对于任意一个第二二维图像，可以将该第二二维图像悬浮叠加在二维背景图像上，得到合成图像。
另外，本申请的其中一个目的可以是生成用于训练数据处理模型的训练数据，训练数据中除了需要使用样本数据，还需要使用样本数据的标注数据，在一个可能的实现方式中，数据处理模型可以检测图像中是否存在目标对象，因此，样本数据的标注数据可以为根据目标对象获取。
如此，在本申请中，还可以根据目标对象获取各个合成图像的标注数据，例如，将目标对象分别作为各个合成图像的标注数据等。
之后就可以根据多个合成图像以及各个合成图像的标注数据训练数据处理模型，在这种情况下，多个合成图像可以为样本数据，各个合成图像的标注数据可以为样本数据的标注数据。另外，本申请对数据处理模型的结构和模型的用途不做限定。
在需要得到大量的用于训练数据处理模型的样本图像以及样本图像的标注数据的情况下，在现有技术中，每一个样本图像都需要人工搜集，每一个样本图像的标注数据都需要人工标注，导致人工成本较高。
而在本申请中，可以获取目标对象的第一二维图像，以及，获取二维背景图像。根据第一二维图像生成目标对象的三维模型。根据三维模型获取目标对象的不同角度的多个第二二维图像。将各个第二二维图像分别与二维背景图像合成，得到多个合成图像，以及，根据目标对象获取各个合成图像的标注数据。
因此，通过本申请，人工可以仅搜集少量的目标对象的第一二维图像即刻，之后电子设备可以根据少量的目标对象的第一二维图像生成大量的目标对象的第二二维图像，并自动根据大量的目标对象的第二二维图像以及二维背景图像获取大量的合成图像，以及可以将合成图像的标注数据确定为目标对象，其中，合成图像可以作为样本图像，合成图像的标注数据可以为作为样本图像的标注数据，这样，就得到了用于训练数据处理模型的大量的样本图像以及各个样本图像的标注数据，之后根据大量的样本图像以及各个样本图像的标注数据就可以训练数据处理模型。
因此，相比于现有技术，本申请可以人工搜集少量的目标对象的第一二维图像即可得到大量的样本图像，减少了人工操作，从而可以节省人工成本，且可以降低获取样本图像以及样本图像的标注数据的难度，且由于全程自动化处理，可以提高获取样本图像以及样本图像的标注数据的效率。
在一种可能的情况下，有时候训练出的数据处理模型是在特定的应用场景中用的，例如，在检测道路中的汽车、检测森林中的野生动物以及检测草原中的家畜等。
在上述例子中，道路、森林以及草原是数据处理模型的一种应用场景。
如果需要使得训练出的数据处理模型在某一应用场景中的处理数据的准确率达到一个较高的水平，则需要使得在训练数据处理模型时使用的样本图像至少包括该应用场景，具体地，可以是背景中包括该场景的图像等。
例如，以检测道路中的汽车为例进行举例说明，如果需要使得训练出的数据处理模型检测道路中的汽车的准确率达到一个较高的水平，则需要使得在训练数据处理模型时使用的样本图像至少包括道路场景，具体地，可以是在道路的场景中的包括汽车的图像等。
再例如，以检测森林中的野生动物为例进行举例说明，如果需要使得训练出的数据处理模型检测森林中的野生动物的准确率达到一个较高的水平，则需要使得在训练数据处理模型时使用的样本图像至少包括森林场景，具体地，可以是在森林的场景中的包括野生动物的图像等。
又例如，以检测草原中的家畜为例进行举例说明，如果需要使得训练出的数据处理模型检测草原中的家畜的准确率达到一个较高的水平，则需要使得在训练数据处理模型时使用的样本图像至少包括草原场景，具体的，可以是在草原的场景中的包括家畜的图像等。
因此，在本申请中，参见图2，获取二维背景图像的流程可以包括：
在步骤S201中，获取数据处理模型的应用场景。
在本申请中，数据处理模型的应用场景可以是技术人员向电子设备输入的，因此，电子设备可以获取技术人员输入的数据处理模型的应用场景，然后
在步骤S202中，获取包括数据处理模型的应用场景的二维背景图像。
在本申请一个实施例中，可以搜集网络上的图像，然后通过已存在的应用场景识别技术识别搜集的图像包括的应用场景，然后从搜集的图像中筛选包括的应用场景为数据处理模型的应用场景的图像，从而得到包括数据处理模型的应用场景的二维背景图像。
或者，在本申请另一实施例中，可以以数据处理模型的应用场景的关键词，在网络上搜索图像，通常搜索的图像为包括数据处理模型的应用场景的二维背景图像。
例如，假设数据处理模型用于检测草原中的家畜，则数据处理模型的应用场景可以为草原，如此，可以以关键词“草原”在网络上搜索图像，则通常搜索到的图像为包括草原的图像。
在图1或图2所示的实施例的基础之上，为了进一步地增加用于训练数据处理模型的样本图像，以提高训练出的数据处理模型的泛化程度，在本申请另一个实施例中，步骤S104中的将各个第二二维图像分别与二维背景图像合成的流程，得到多个合成图像，包括：
对于任意一个第二二维图像，可以对第二二维图像进行不同程度的尺寸变换，得到多个不同尺寸的第二二维图像。将多个不同尺寸的第二二维图像分别与二维背景图像合成，例如，对于任意一个尺寸的第二二维图像，可以将该尺寸的第二二维图像与二维背景图像合成，例如，将该尺寸的第二二维图像悬浮叠加在二维背景图像上，得到一个合成图像，对于其他每一个尺寸的第二二维图像，同样执行上述操作，从而得到包括多个不同尺寸的该第二二维图像的合成图像。
对于其他每一个第二二维图像，同样执行上述操作。
在图1或图2所示的实施例的基础之上，为了进一步地增加用于训练数据处理模型的样本图像，以提高训练出的数据处理模型的泛化程度，在本申请另一个实施例中，步骤S104中的将各个第二二维图像分别与二维背景图像合成的流程，得到多个合成图像，包括：
在二维背景图像上确定多个不同的位置，任意一个位置可以为二维背景图像中的某一个像素点在二维背景图像中的坐标等。
对于任意一个第二二维图像，将第二二维图像分别在不同的位置上与二维背景图像合成，例如，对于在二维背景图像上确定的任意一个位置，可以以位于该第二二维图像中的中心的像素点的位置与在二维背景图像上确定的该位置重合的原则，可以将第二二维图像与二维背景图像合成，例如，将该尺寸的第二二维图像悬浮叠加在二维背景图像上，得到一个合成图像，合成图像中的位于该第二二维图像中的中心的像素点的位置与在二维背景图像上确定的该位置重合，对于在二维背景图像上确定的其他每一个位置，同样执行上述操作，从而得到包括该第二二维图像在不同位置的合成图像。
对于其他每一个第二二维图像，同样执行上述操作。
在图1或图2所示的实施例的基础之上，为了进一步地增加用于训练数据处理模型的样本图像，以提高训练出的数据处理模型的泛化程度，在本申请另一个实施例中，步骤S104中的将各个第二二维图像分别与二维背景图像合成的流程，得到多个合成图像，包括：
确定多个不同的旋转角度。对于任意一个第二二维图像，将第二二维图像在第二二维图像所在的平面上分别旋转不同的旋转角度，例如，可以顺时针旋转1°～180°，以及，逆时针旋转1°～180°，得到多个不同旋转角度的第二二维图像，将多个不同旋转角度的第二二维图像分别与二维背景图像合成。
例如，对于任意一个旋转角度的第二二维图像，可以将该旋转角度的第二二维图像与二维背景图像合成，例如，将该旋转角度的第二二维图像悬浮叠加在二维背景图像上，得到一个合成图像，对于其他每一个旋转角度的第二二维图像，同样执行上述操作。
在图1或图2所示的实施例的基础之上，为了进一步地增加用于训练数据处理模型的样本图像，以提高训练出的数据处理模型的泛化程度，在本申请另一个实施例中，步骤S104中的将各个第二二维图像分别与二维背景图像合成的流程，得到多个合成图像，包括：
对于任意一个第二二维图像，对第二二维图像进行不同程度的畸变，得到多个不同程度畸变的第二二维图像，将多个不同程度畸变的第二二维图像分别与二维背景图像合成。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作并不一定是本申请所必须的。
参照图3，示出了本申请的一种图像处理装置的结构框图，该装置具体可以包括如下模块：
第一获取模块11，用于获取目标对象的第一二维图像，以及，第二获取模块12，用于获取二维背景图像；
生成模块13，用于根据所述第一二维图像生成所述目标对象的三维模型；
第三获取模块14，用于根据所述三维模型获取所述目标对象的不同角度的多个第二二维图像；
合成模块15，用于将各个第二二维图像分别与所述二维背景图像合成，得到多个合成图像，以及，第四获取模块16，用于根据目标对象获取各个合成图像的标注数据。
对于任意一个第二二维图像，所述装置还包括：
训练模块，用于根据多个合成图像以及各个合成图像的标注数据训练数据处理模型。
对于任意一个第二二维图像，所述第二获取模块包括：
第一获取单元，用于获取所述数据处理模型的应用场景；
第二获取单元，用于获取包括所述应用场景的二维背景图像。
对于任意一个第二二维图像，所述合成模块包括：
变换单元，用于对于任意一个第二二维图像，对所述第二二维图像进行不同程度的尺寸变换，得到多个不同尺寸的第二二维图像；
第一合成单元，用于将多个不同尺寸的第二二维图像分别与所述二维背景图像合成。
对于任意一个第二二维图像，所述合成模块包括：
第一确定单元，用于在所述二维背景图像上确定多个不同的位置；
第二合成单元，用于对于任意一个第二二维图像，将所述第二二维图像分别在不同的位置上与所述二维背景图像合成。
对于任意一个第二二维图像，所述合成模块包括：
第二确定单元，用于确定多个不同的旋转角度；
旋转单元，用于对于任意一个第二二维图像，将所述第二二维图像在所述第二二维图像所在的平面上分别旋转不同的旋转角度，得到多个不同旋转角度的第二二维图像，第三合成单元，用于将多个不同旋转角度的第二二维图像分别与所述二维背景图像合成。
对于任意一个第二二维图像，所述合成模块包括：
畸变单元，用于对于任意一个第二二维图像，对所述第二二维图像进行不同程度的畸变，得到多个不同程度畸变的第二二维图像；
第四合成单元，用于将多个不同程度畸变的第二二维图像分别与所述二维背景图像合成。
在需要得到大量的用于训练数据处理模型的样本图像以及样本图像的标注数据的情况下，在现有技术中，每一个样本图像都需要人工搜集，每一个样本图像的标注数据都需要人工标注，导致人工成本较高。
而在本申请中，可以获取目标对象的第一二维图像，以及，获取二维背景图像；根据第一二维图像生成目标对象的三维模型；根据三维模型获取目标对象的不同角度的多个第二二维图像；将各个第二二维图像分别与二维背景图像合成，得到多个合成图像，以及，根据目标对象获取各个合成图像的标注数据。
因此，通过本申请，人工可以仅搜集少量的目标对象的第一二维图像即刻，之后电子设备可以根据少量的目标对象的第一二维图像生成大量的目标对象的第二二维图像，并自动根据大量的目标对象的第二二维图像以及二维背景图像获取大量的合成图像，以及可以将合成图像的标注数据确定为目标对象，其中，合成图像可以作为样本图像，合成图像的标注数据可以为作为样本图像的标注数据，这样，就得到了用于训练数据处理模型的大量的样本图像以及各个样本图像的标注数据，之后根据大量的样本图像以及各个样本图像的标注数据就可以训练数据处理模型。
因此，相比于现有技术，本申请可以人工搜集少量的目标对象的第一二维图像即可得到大量的样本图像，减少了人工操作，从而可以节省人工成本，且可以降低获取样本图像以及样本图像的标注数据的难度，且由于全程自动化处理，可以提高获取样本图像以及样本图像的标注数据的效率。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
图4是本申请示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图4，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电力组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图像，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播操作信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由电子设备800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图5是本申请示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。
参照图5，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
最后，还需要说明的是，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、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种图像处理方法及装置，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (16)
1.一种图像处理方法，其特征在于，所述方法包括：
获取目标对象的第一二维图像，以及，获取二维背景图像；
根据所述第一二维图像生成所述目标对象的三维模型；
根据所述三维模型获取所述目标对象的不同角度的多个第二二维图像；
将各个第二二维图像分别与所述二维背景图像合成，得到多个合成图像，以及，根据目标对象获取各个合成图像的标注数据。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据多个合成图像以及各个合成图像的标注数据训练数据处理模型。
3.根据权利要求2所述的方法，其特征在于，所述获取二维背景图像，包括：
获取所述数据处理模型的应用场景；
获取包括所述应用场景的二维背景图像。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述将各个第二二维图像分别与所述二维背景图像合成，包括：
对于任意一个第二二维图像，对所述第二二维图像进行不同程度的尺寸变换，得到多个不同尺寸的第二二维图像；
将多个不同尺寸的第二二维图像分别与所述二维背景图像合成。
5.根据权利要求1-3任一项所述的方法，其特征在于，所述将各个第二二维图像分别与所述二维背景图像合成，包括：
在所述二维背景图像上确定多个不同的位置；
对于任意一个第二二维图像，将所述第二二维图像分别在不同的位置上与所述二维背景图像合成。
6.根据权利要求1-3任一项所述的方法，其特征在于，所述将各个第二二维图像分别与所述二维背景图像合成，包括：
确定多个不同的旋转角度；
对于任意一个第二二维图像，将所述第二二维图像在所述第二二维图像所在的平面上分别旋转不同的旋转角度，得到多个不同旋转角度的第二二维图像，将多个不同旋转角度的第二二维图像分别与所述二维背景图像合成。
7.根据权利要求1-3任一项所述的方法，其特征在于，所述将各个第二二维图像分别与所述二维背景图像合成，包括：
对于任意一个第二二维图像，对所述第二二维图像进行不同程度的畸变，得到多个不同程度畸变的第二二维图像；
将多个不同程度畸变的第二二维图像分别与所述二维背景图像合成。
8.一种图像处理装置，其特征在于，所述装置包括：
第一获取模块，用于获取目标对象的第一二维图像，以及，第二获取模块，用于获取二维背景图像；
生成模块，用于根据所述第一二维图像生成所述目标对象的三维模型；
第三获取模块，用于根据所述三维模型获取所述目标对象的不同角度的多个第二二维图像；
合成模块，用于将各个第二二维图像分别与所述二维背景图像合成，得到多个合成图像，以及，第四获取模块，用于根据目标对象获取各个合成图像的标注数据。
9.根据权利要求8所述的装置，其特征在于，所述装置还包括：
训练模块，用于根据多个合成图像以及各个合成图像的标注数据训练数据处理模型。
10.根据权利要求9所述的装置，其特征在于，所述第二获取模块包括：
第一获取单元，用于获取所述数据处理模型的应用场景；
第二获取单元，用于获取包括所述应用场景的二维背景图像。
11.根据权利要求8-10任一项所述的装置，其特征在于，所述合成模块包括：
变换单元，用于对于任意一个第二二维图像，对所述第二二维图像进行不同程度的尺寸变换，得到多个不同尺寸的第二二维图像；
第一合成单元，用于将多个不同尺寸的第二二维图像分别与所述二维背景图像合成。
12.根据权利要求8-10任一项所述的装置，其特征在于，所述合成模块包括：
第一确定单元，用于在所述二维背景图像上确定多个不同的位置；
第二合成单元，用于对于任意一个第二二维图像，将所述第二二维图像分别在不同的位置上与所述二维背景图像合成。
13.根据权利要求8-10任一项所述的装置，其特征在于，所述合成模块包括：
第二确定单元，用于确定多个不同的旋转角度；
旋转单元，用于对于任意一个第二二维图像，将所述第二二维图像在所述第二二维图像所在的平面上分别旋转不同的旋转角度，得到多个不同旋转角度的第二二维图像，第三合成单元，用于将多个不同旋转角度的第二二维图像分别与所述二维背景图像合成。
14.根据权利要求8-10任一项所述的装置，其特征在于，所述合成模块包括：
畸变单元，用于对于任意一个第二二维图像，对所述第二二维图像进行不同程度的畸变，得到多个不同程度畸变的第二二维图像；
第四合成单元，用于将多个不同程度畸变的第二二维图像分别与所述二维背景图像合成。
15.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行如权利要求1-7任一项所述的图像处理方法。
16.一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-7任一项所述的图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011036475.8A CN112232385A (zh) | 2020-09-27 | 2020-09-27 | 一种图像处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011036475.8A CN112232385A (zh) | 2020-09-27 | 2020-09-27 | 一种图像处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112232385A true CN112232385A (zh) | 2021-01-15 |
Family
ID=74119311
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011036475.8A Pending CN112232385A (zh) | 2020-09-27 | 2020-09-27 | 一种图像处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112232385A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113850784A (zh) * | 2021-09-27 | 2021-12-28 | 联想(北京)有限公司 | 一种图像处理方法、装置、设备及存储介质 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103308452A (zh) * | 2013-05-27 | 2013-09-18 | 中国科学院自动化研究所 | 一种基于景深融合的光学投影断层成像图像获取方法 |
| US20140176551A1 (en) * | 2012-12-21 | 2014-06-26 | Honda Motor Co., Ltd. | 3D Human Models Applied to Pedestrian Pose Classification |
| CN106897708A (zh) * | 2017-03-06 | 2017-06-27 | 深圳英飞拓科技股份有限公司 | 立体人脸检测方法及装置 |
| CN108983702A (zh) * | 2018-06-15 | 2018-12-11 | 重庆大学 | 基于计算机显微视觉切片扫描技术的显微视觉系统的显微视场数字化扩展方法及系统 |
| CN109155078A (zh) * | 2018-08-01 | 2019-01-04 | 深圳前海达闼云端智能科技有限公司 | 样本图像的集合的生成方法、装置、电子设备和存储介质 |
| CN109544468A (zh) * | 2018-10-26 | 2019-03-29 | 浙江师范大学 | 一种图像数据扩增方法 |
| CN110148146A (zh) * | 2019-05-24 | 2019-08-20 | 重庆大学 | 一种利用合成数据的植物叶片分割方法及系统 |
| CN110599593A (zh) * | 2019-09-12 | 2019-12-20 | 北京三快在线科技有限公司 | 数据合成的方法、装置、设备及存储介质 |
| CN110852332A (zh) * | 2019-10-29 | 2020-02-28 | 腾讯科技（深圳）有限公司 | 训练样本的生成方法、装置、存储介质及电子设备 |
| US20200118253A1 (en) * | 2018-10-12 | 2020-04-16 | Adobe Inc. | Environment map generation and hole filling |
| WO2020075252A1 (ja) * | 2018-10-11 | 2020-04-16 | 三菱電機株式会社 | 情報処理装置、プログラム及び情報処理方法 |
| US20200126273A1 (en) * | 2018-10-17 | 2020-04-23 | Siemens Healthcare Gmbh | Method for reconstructing a three-dimensional image data set |
| CN111149128A (zh) * | 2018-07-03 | 2020-05-12 | 西安大医集团股份有限公司 | 标记数据的获取方法及装置、训练方法及装置、医疗设备 |
| CN111160501A (zh) * | 2019-12-25 | 2020-05-15 | 北京亮亮视野科技有限公司 | 一种二维码训练数据集的构建方法及装置 |
| CN111680758A (zh) * | 2020-06-15 | 2020-09-18 | 杭州海康威视数字技术股份有限公司 | 图像训练样本生成方法和装置 |
-
2020
- 2020-09-27 CN CN202011036475.8A patent/CN112232385A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140176551A1 (en) * | 2012-12-21 | 2014-06-26 | Honda Motor Co., Ltd. | 3D Human Models Applied to Pedestrian Pose Classification |
| CN103308452A (zh) * | 2013-05-27 | 2013-09-18 | 中国科学院自动化研究所 | 一种基于景深融合的光学投影断层成像图像获取方法 |
| CN106897708A (zh) * | 2017-03-06 | 2017-06-27 | 深圳英飞拓科技股份有限公司 | 立体人脸检测方法及装置 |
| CN108983702A (zh) * | 2018-06-15 | 2018-12-11 | 重庆大学 | 基于计算机显微视觉切片扫描技术的显微视觉系统的显微视场数字化扩展方法及系统 |
| CN111149128A (zh) * | 2018-07-03 | 2020-05-12 | 西安大医集团股份有限公司 | 标记数据的获取方法及装置、训练方法及装置、医疗设备 |
| CN109155078A (zh) * | 2018-08-01 | 2019-01-04 | 深圳前海达闼云端智能科技有限公司 | 样本图像的集合的生成方法、装置、电子设备和存储介质 |
| WO2020075252A1 (ja) * | 2018-10-11 | 2020-04-16 | 三菱電機株式会社 | 情報処理装置、プログラム及び情報処理方法 |
| US20200118253A1 (en) * | 2018-10-12 | 2020-04-16 | Adobe Inc. | Environment map generation and hole filling |
| US20200126273A1 (en) * | 2018-10-17 | 2020-04-23 | Siemens Healthcare Gmbh | Method for reconstructing a three-dimensional image data set |
| CN109544468A (zh) * | 2018-10-26 | 2019-03-29 | 浙江师范大学 | 一种图像数据扩增方法 |
| CN110148146A (zh) * | 2019-05-24 | 2019-08-20 | 重庆大学 | 一种利用合成数据的植物叶片分割方法及系统 |
| CN110599593A (zh) * | 2019-09-12 | 2019-12-20 | 北京三快在线科技有限公司 | 数据合成的方法、装置、设备及存储介质 |
| CN110852332A (zh) * | 2019-10-29 | 2020-02-28 | 腾讯科技（深圳）有限公司 | 训练样本的生成方法、装置、存储介质及电子设备 |
| CN111160501A (zh) * | 2019-12-25 | 2020-05-15 | 北京亮亮视野科技有限公司 | 一种二维码训练数据集的构建方法及装置 |
| CN111680758A (zh) * | 2020-06-15 | 2020-09-18 | 杭州海康威视数字技术股份有限公司 | 图像训练样本生成方法和装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113850784A (zh) * | 2021-09-27 | 2021-12-28 | 联想(北京)有限公司 | 一种图像处理方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106651955B (zh) | 图片中目标物的定位方法及装置 | |
| CN107957266B (zh) | 定位方法、装置及存储介质 | |
| US20170304735A1 (en) | Method and Apparatus for Performing Live Broadcast on Game | |
| US10534972B2 (en) | Image processing method, device and medium | |
| RU2648625C2 (ru) | Способ и устройство для определения пространственного параметра на основе изображения, а также оконечное устройство | |
| RU2640632C2 (ru) | Способ и устройство для доставки информации | |
| US20170154206A1 (en) | Image processing method and apparatus | |
| JP7061191B2 (ja) | 画像処理方法及び装置、電子機器並びに記憶媒体 | |
| WO2015184723A1 (zh) | 拍摄控制方法、装置及终端 | |
| CN106778773B (zh) | 图片中目标物的定位方法及装置 | |
| CN106557759B (zh) | 一种标志牌信息获取方法及装置 | |
| CN110781323A (zh) | 多媒体资源的标签确定方法、装置、电子设备及存储介质 | |
| CN109034150B (zh) | 图像处理方法及装置 | |
| RU2664674C2 (ru) | Способ и устройство для создания панорамы | |
| US11252341B2 (en) | Method and device for shooting image, and storage medium | |
| CN105426485A (zh) | 图像合并方法和装置、智能终端和服务器 | |
| US20220222831A1 (en) | Method for processing images and electronic device therefor | |
| CN111523346A (zh) | 图像识别方法及装置、电子设备和存储介质 | |
| CN110059547A (zh) | 目标检测方法及装置 | |
| CN109376674B (zh) | 人脸检测方法、装置及存储介质 | |
| CN105488074B (zh) | 照片聚类的方法及装置 | |
| CN112232385A (zh) | 一种图像处理方法及装置 | |
| CN110673732A (zh) | 场景共享方法及装置、系统、电子设备和存储介质 | |
| CN117412169A (zh) | 追焦方法、装置、电子设备及存储介质 | |
| WO2022110801A1 (zh) | 数据处理方法及装置、电子设备和存储介质 |
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 |