CN112367461A - 仪表图像样本制作方法及系统、存储介质、电子设备 - Google Patents
仪表图像样本制作方法及系统、存储介质、电子设备 Download PDFInfo
- Publication number
- CN112367461A CN112367461A CN202011162752.XA CN202011162752A CN112367461A CN 112367461 A CN112367461 A CN 112367461A CN 202011162752 A CN202011162752 A CN 202011162752A CN 112367461 A CN112367461 A CN 112367461A
- Authority
- CN
- China
- Prior art keywords
- target
- parameter
- image sample
- constant parameter
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
-
- 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
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及计算机领域,提供了一种仪表图像样本制作方法、系统、存储介质及电子设备,该方法包括:向恒定参数装置发送恒定参数指令,以使恒定参数装置根据所述恒定参数指令控制目标对象的参数,恒定参数指令包括目标参数;控制拍摄装置在预设轨道上进行运动,并在拍摄装置运动的过程中,控制拍摄装置对目标对象进行拍摄,以生成目标信息;基于目标检测算法对目标信息进行目标检测处理,以得到与目标信息对应的目标图像样本,将目标参数配置为目标图像样本的标签,并基于目标图像样本生成神经网络模型的训练样本。本公开的仪表图像样本制作方法可以自动化地获取目标图像样本,提高样本制作的效率。
Description
技术领域
本公开涉及计算机技术领域,特别涉及一种仪表图像样本制作方法、仪表图像样本制作装置、计算机可读存储介质及电子设备。
背景技术
随着人工智能技术的发展,人工智能技术已广泛应用于各个领域。比如,机器人、语音识别、图像处理、自然语言处理和专家系统等。在使用人工智能技术在图像处理的过程中,采用大量的高质量图像样本对人工智能模型进行训练,是影响其图像处理效果的重要因素之一。
在现有技术中,通常采用人工采集图像样本的方法,这种方法费时费力,且成本较高。
鉴于此,本领域亟需开发一种新的仪表图像样本制作方法及装置。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种仪表图像样本制作方法、仪表图像样本制作装置、计算机可读存储介质及电子设备,进而至少在一定程度上自动获取高质量的样本。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一个方面,提供一种仪表图像样本制作方法,所述仪表图像样本制作方法包括:向恒定参数装置发送恒定参数指令,以使所述恒定参数装置根据所述恒定参数指令控制目标对象的参数,所述恒定参数指令包括目标参数;控制拍摄装置在预设轨道上进行运动,并在所述拍摄装置运动的过程中,控制所述拍摄装置对所述目标对象进行拍摄,以生成目标信息;基于目标检测算法对所述目标信息进行目标检测处理,以得到与所述目标信息对应的目标图像样本,将所述目标参数配置为所述目标图像样本的标签,并基于所述目标图像样本生成神经网络模型的训练样本。
在本公开的一些示例性实施例中,在所述预设轨道上设置有第一终点和第二终点;在向恒定参数装置发送恒定参数指令之前,所述方法还包括:向运动装置发送归零指令,以使所述运动装置在所述预设轨道上从当前位置运动至所述第一终点或所述第二终点,其中,所述拍摄装置跟随所述运动装置进行运动。
在本公开的一些示例性实施例中,控制拍摄装置在预设轨道上进行运动,包括:通过控制所述运动装置,以使所述拍摄装置跟随所述运动装置在所述预设轨道的所述第一终点和所述第二终点之间做往返运动。
在本公开的一些示例性实施例中,控制所述拍摄装置对所述目标对象进行拍摄,以生成目标信息,包括:控制所述拍摄装置每间隔预设时间段对所述目标对象进行拍摄,以生成所述目标信息。
在本公开的一些示例性实施例中,基于目标检测算法对所述目标信息进行目标检测处理,以得到与所述目标信息对应的目标图像样本,包括:获取所述目标信息对应的多个目标图像帧,并基于所述目标检测算法在各所述目标图像帧中确定所述目标对象对应的目标区域,根据各所述目标区域的位置坐标在所述目标图像帧中截取所述目标图像样本。
在本公开的一些示例性实施例中,在控制拍摄装置在预设轨道上进行运动之前,包括:在向所述恒定参数装置发送所述恒定参数指令之后的预设时刻,开启所述拍摄装置。
在本公开的一些示例性实施例中,所述方法还包括:所述运动装置在所述第一终点和所述第二终点之间进行一次往返运动之后,向所述恒定参数装置发送参数变更指令,以使所述恒定参数装置根据所述参数变更指令控制所述目标对象的参数上升或下降预设参数;将上升或下降所述预设参数之后的所述目标对象的参数作为新的目标参数,执行上述示例性实施例中的仪表图像样本制作方法,直到所述目标对象的参数达到参数阈值。
根据本公开的一个方面,提供一种仪表图像样本制作装置,所述仪表图像样本制作装置包括:参数控制模块,用于向恒定参数装置发送恒定参数指令,以使所述恒定参数装置根据所述恒定参数指令控制目标对象的参数,所述恒定参数指令包括目标参数;运动控制模块,用于控制拍摄装置在预设轨道上进行运动,并在所述拍摄装置运动的过程中,控制所述拍摄装置对所述目标对象进行拍摄,以生成目标信息;目标检测模块,用于基于目标检测算法对所述第一目标图像进行目标检测处理,以得到与所述目标信息对应的目标图像样本,将所述目标参数配置为所述目标图像样本的标签,并基于所述目标图像样本生成神经网络模型的训练样本。
根据本公开的一个方面,提供一种仪表图像样本制作系统,所述仪表图像样本制作系统包括目标对象、恒定参数装置、拍摄装置、控制装置,其中:所述恒定参数装置,用于接收所述控制装置发送的恒定参数指令,并根据所述恒定参数指令控制目标对象的参数,所述恒定参数指令包括目标参数;所述拍摄装置,用于在所述控制装置的控制下,在预设轨道上进行运动,并在运动的过程中对所述目标对象进行拍摄,以生成目标信息;所述控制装置,用于执行上述示例性实施例中的仪表图像样本制作方法。
根据本公开的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述实施例中所述的仪表图像样本制作方法。
根据本公开的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的仪表图像样本制作方法。
由上述技术方案可知,本公开示例性实施例中的仪表图像样本制作方法及装置、计算机可读存储介质、电子设备至少具备以下优点和积极效果:
本公开的仪表图像样本制作方法通过向恒定参数装置发送恒定参数指令,以使恒定参数装置根据恒定参数指令控制目标对象的参数,恒定参数指令包括目标参数;然后,控制拍摄装置在预设轨道上进行运动,并在拍摄装置运动的过程中,控制拍摄装置对目标对象进行拍摄,以生成目标信息;最后,基于目标检测算法对目标信息进行目标检测处理,以得到与目标信息对应的目标图像样本,将目标参数配置为目标图像样本的标签,并基于目标图像样本生成神经网络模型的训练样本。本公开中的仪表图像样本制作方法一方面能够通过自动控制恒定参数装置、拍摄装置实现自动化的目标图像样本制作流程,目标图像样本和目标图像样本的标签制作过程中无需人工参与,提高了目标图像样本制作的效率;另一方面,能够通过运动着的拍摄装置对目标对象进行拍摄生成目标信息,并通过对目标信息进行目标检测处理得到目标图像样本,该目标图像样本包含了目标对象多个角度的图像信息,从而使得利用该目标图像样本作为训练样本训练得到的神经网络模型自身具有倾斜矫正能力。
本公开应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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,还可以根据这些附图获得其他的附图。
图1示意性示出了根据本公开的一实施例的仪表图像样本制作方法的流程示意图;
图2示意性示出了根据本公开的一实施例的一维直线轨道的结构示意图;
图3示意性示出了根据本公开的一实施例的二维矩形轨道的结构示意图;
图4示意性示出了根据本公开的一实施例的二维直线轨道的结构示意图;
图5示意性示出了根据本公开的一实施例的基于目标检测算法对目标信息进行目标检测处理的方法流程示意图;
图6示意性示出了根据本公开的一实施例的获取目标图像样本的方法流程示意图;
图7示意性示出了根据本公开的一实施例的具体实施例的仪表图像样本制作方法的流程示意图;
图8示意性示出了根据本公开的一实施例的仪表图像样本制作装置的框图;
图9示意性示出了根据本公开的一实施例的仪表图像样本制作系统的结构示意图;
图10示意性示出了根据本公开的一实施例的电子设备的模块示意图;
图11示意性示出了根据本公开的一实施例的程序产品示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
在利用人工智能模型对图像进行处理之前,需要先对该人工智能模型进行训练,在对人工智能模型进行训练之前,获取大量高质量的样本是至关重要的一步。在现有技术中,通常采用的方法是人工图像采集方法,但是人工采集的方法费时费力,存在图像样本制作效率低等问题。
基于相关技术中存在的问题,在本公开的一个实施例中提出了一种仪表图像样本制作方法,图1示出了仪表图像样本制作方法,如图1所示,该仪表图像样本制作方法至少包括以下步骤:
步骤S110:向恒定参数装置发送恒定参数指令,以使恒定参数装置根据恒定参数指令控制目标对象的参数,恒定参数指令包括目标参数;
步骤S120:控制拍摄装置在预设轨道上进行运动,并在拍摄装置运动的过程中,控制拍摄装置对目标对象进行拍摄,以生成目标信息;
步骤S130:基于目标检测算法对目标信息进行目标检测处理,以得到与目标信息对应的目标图像样本,将目标参数配置为目标图像样本的标签,并基于目标图像样本生成神经网络模型的训练样本。
本公开实施例中的仪表图像样本制作方法,一方面能够通过自动控制恒定参数装置、拍摄装置实现自动化的目标图像样本制作流程,目标图像样本和目标图像样本的标签制作过程中无需人工参与,提高了目标图像样本制作的效率;另一方面,能够通过运动着的拍摄装置对目标对象进行拍摄生成目标信息,并通过对目标信息进行目标检测处理得到目标图像样本,该目标图像样本包含了目标对象多个角度的图像信息,从而使得利用该目标图像样本作为训练样本训练得到的神经网络模型自身具有倾斜矫正能力。
需要说明的是,本公开示例性实施方式的样本制作方法应用于仪表图像样本制作系统中,仪表图像样本制作系统包括:目标对象、恒定参数装置、拍摄装置和控制装置。其中,本公开示例性实施方式的仪表图像样本制作方法由控制装置来执行,控制装置可以是具有计算与发送接收数据功能的电子设备,例如,可以是计算机,还可以是终端设备等,本公开对此不作具体限定。
另外,在本公开的仪表图像样本制作系统中,目标对象可以与恒定参数装置连接,恒定参数装置可以控制目标对象的参数;恒定参数装置可以与控制装置连接,控制装置可以通过向恒定参数装置发送指令,从而使恒定参数装置控制目标对象的参数;控制装置还可以与拍摄装置连接,控制装置控制拍摄装置在预设轨道上进行往返运动,并控制拍摄装置在运动的同时,对目标对象进行拍摄。
为了使本公开的技术方案更清晰,接下来对仪表图像样本制作方法的各步骤进行说明。
在步骤S110中,向恒定参数装置发送恒定参数指令,以使恒定参数装置根据恒定参数指令控制目标对象的参数,恒定参数指令包括目标参数。
在本公开的示例性实施例中,目标对象的参数可以目标对象的温度,还可以是目标对象的压力,本公开对此不做具体限定。在本公开的示例性实施例中,以目标对象的参数为温度为例进行说明,对于目标对象的参数的改变也应当属于本实施例保护的范围。
另外,恒定参数装置根据目标对象的参数的不同而不同,比如,若目标对象的参数为温度时,则恒定参数装置恒温装置;若目标对象的参数为压力时,则恒定参数装置恒压装置,本公开对此不作具体限定。
在本公开的示例性实施例中,目标对象是可以改变参数的装置,比如,可以是仪表盘,本公开对目标对象的类型不作具体限定。另外,根据目标对象的不同可以设置不同类型的恒定参数装置。
在本公开的示例性实施例中,可以将目标参数作为获取的目标图像样本的标签,因此,可以根据实际情况设置目标参数的大小。比如,若需要目标对象的温度范围在10°~20°的目标图像样本,则,目标温度可以设置为10°,还可设置为20°,即可以设置为温度范围内的任一温度,本公开对此不作具体限定。
在本公开的示例性实施例中,仪表图像样本制作系统还可以包括运动装置,该运动装置可以与拍摄装置固定连接,拍摄装置可以安装在运动装置之上,以使拍摄装置可以跟随运动装置进行同步运动。另外,运动装置还可以与控制装置连接,控制装置可以通过控制运动装置的运动,进一步实现控制拍摄装置的运动。
在本公开的示例性实施例中,运动装置在运动过程中,可以按照预设轨道进行运动,该预设轨道可以是一维轨道,还可以是二维轨道。在预设轨道是一维轨道时,可以是直线轨道,还可以是曲线轨道。图2示出了一维预设轨道的结构示意图,如图2所示,该预设轨道为一维直线轨道210,在该一维直线轨道210上设置有第一终点211和第二终点212,可以在一维直线轨道水平方向上的中垂线上设置目标对象。
在预设轨道是二维轨道时,可以是矩形轨道,还可以是圆形轨道,本公开对预设轨道的形状不作具体限定。图3示出了二维矩形轨道的结构示意图,如图3所示,该预设轨道为多个矩形嵌套形成的二维矩形轨道310,在该二维矩形轨道310上设置有第一终点311和第二终点312,可以在二维矩形轨道的中心点设置目标对象。
另外,在预设轨道是二维轨道时,还可以是由多个直线轨道形成的二维轨道。目标对象可以设置于多个直线轨道形成的二维直线轨道的上方,也可以设置于多个直线轨道形成的二维直线轨道的下方,还可以设置与多个直线轨道形成的二维直线轨道的中间位置,本公开对此不作具体限定。图4示出了二维直线轨道的另一结构示意图,如图4所示,该预设轨道为多个直线轨道形成的二维直线轨道410,在该二维直线轨道410上设置有第一终点411和第二终点412,可以在二维直线轨道的中间位置设置目标对象。
在本公开的示例性实施例中,拍摄装置在一维直线轨道上运动的过程中,不改变拍摄装置的拍摄参数,可以得到目标对象在多个角度的目标图像倾斜样本,从而使得使用该目标图像样本训练的模型自身具有一定的倾斜矫正能力。
需要说明的是,预设轨道的大小可以根据实际情况进行设定,具体与目标对象的位置和拍摄装置的拍摄参数有关。具体地,预设轨道的大小可以满足:当拍摄装置在预设轨道上运动时,无论拍摄装置位于预设轨道中的任一位置,拍摄装置所拍摄的目标图像中均存在目标对象。其中,拍摄装置的拍摄参数在整个仪表图像样本制作过程中固定不变,以保证目标图像样本的准确度。
另外,在预设轨道上设置有第一终点和第二终点,若预设轨道为一维轨道时,则第一终点和第二终点设置在一维轨道的两个端点。若预设轨道为二维轨道时,第一终点和第二终点可以位于同一位置,第一终点和第二终点也可以位于不同位置。比如,若二维轨道是一个圆形或矩形时,第一终点和第二终点位于同一位置;若二维轨道是由多个圆形或多个矩形嵌套形成时,第一终点和第二终点位于不同位置。
在本公开的示例性实施例中,可以在向恒定参数装置发送恒定参数指令之前,向运动装置发送归零指令,以使运动装置在预设轨道上从当前位置运动至第一终点或第二终点。其中,归零指令包括第一终点或第二终点的位置坐标。
在步骤S120中,控制拍摄装置在预设轨道上进行运动,并在拍摄装置运动的过程中,控制拍摄装置对目标对象进行拍摄,以生成目标信息。
在本公开的示例性实施例中,在向恒定参数装置发送恒定参数指令之后的预设时刻,开启拍摄装置。在开启拍摄装置之后,再控制拍摄装置在预设轨道上进行运动。其中,该预设时刻可以根据实际情况进行设定,预设时刻设定的标准是:恒定参数装置在某一时间段内可以将目标对象的参数升高或降低至目标参数,则预设时刻即为与发送恒定参数指令对应的时刻间隔该某一时间段的时刻。该某一时间段,可以根据在发送恒定参数指令之前的目标对象的参数和恒定参数装置的参数控制效率计算得到。
在本公开的示例性实施例中,仪表图像样本制作系统还可以包括检测装置,该检测装置可以与目标对象连接,用来实时检测目标对象的参数,还可以与控制装置连接,用来将目标对象的参数发送至控制装置。
在本公开的示例性实施例中,在控制拍摄装置在预设轨道上进行运动之前,通过检测装置检测目标对象的参数,在目标对象的参数到目标参数时,开启拍摄装置。
在本公开的示例性实施例中,通过运动装置控制拍摄装置在预设轨道的第一终点和第二终点之间做往返运动。若运动装置在接收到归零指令后,运动至第一终点时,则运动装置在预设轨道上的运动轨迹为:从第一终点沿着预设轨道运动至第二终点,再从第二终点沿预设轨道运动至第一终点;若运动装置在接收到归零指令后,运动至第二终点时,则运动装置在预设轨道上的运动轨迹为:从第二终点沿着预设轨道运动至第一终点,再从第一终点沿预设轨道运动至第二终点。
另外,若预设轨道为一维轨道,则运动装置在一维轨道上做直线或曲线的往返运动;若预设轨道为二维矩形轨道310,目标对象设置于二维矩形轨道的中心点310。则运动装置可以首先在二维矩形轨道310的最外圈运动一圈,再改变运动装置的位置,在与最外圈相邻的内圈运动一圈,直到运动至目标对象的位置,再根据先内圈再外圈的方式完成一次往返运动。另外,运动装置也可以在二维直线轨道410上做“Z”字形的往返运动,本公开对运动装置在预设轨道上的运动形式不作具体限定。
在本公开的示例性实施例中,目标信息可以是包含有目标对象的视频信息,还可以是包含有目标对象的图像信息。
在本公开的示例性实施例中,控制拍摄装置对目标对象进行拍摄,以生成目标信息,包括:控制拍摄装置每间隔预设时间段对目标对象进行拍摄,以生成目标信息。其中,预设时间段可以根据实际情况进行设定,比如,可以是1s,也可以是2s,本公开对此不作具体限定。
在步骤S130中,基于目标检测算法对目标信息进行目标检测处理,以得到与目标信息对应的目标图像样本,将目标参数配置为目标图像样本的标签,并基于目标图像样本生成神经网络模型的训练样本。
在本公开的示例性实施例中,基于目标检测算法可以在目标信息中识别出目标对象所在的区域。目标检测算法是对图像进行处理,因此,若目标信息为图像信息,则直接对图像信息利用目标检测算法进行处理;若目标信息为视频信息,则在视频信息中逐帧获取目标图像帧,对目标图像帧利用目标检测算法进行处理。
其中,该目标检测算法可以是YOLO算法,还可以是其它的目标检测算法,本公开对此不作具体限定,本公开以YOLO算法为例,该算法将目标检测作为一个回归问题,将单个卷积神经网络应用于整个目标图像帧。YOLO算法可以按照一定规则在目标图像帧上产生一系列的候选区域,并使用卷积神经网络对候选区域的位置和类别进行预测,从而得到候选区域中存在目标对象的概率。若目标对象的中心落在一个候选区域中,则该候选区域负责检测目标对象。因此,以YOLO算法处理可以最终得到目标对象在目标图像帧中的目标区域。
在本公开的示例性实施例中,获取目标信息对应的多个目标图像帧,基于目标检测算法对各目标图像帧进行目标检测处理,以得到与各目标图像帧对应的目标图像样本。其中,基于目标检测算法对各目标图像帧进行目标检测处理,以得到与各目标图像帧对应的目标图像样本,包括:基于目标检测算法在各目标图像帧中确定目标对象对应的目标区域,根据各目标区域的位置坐标在目标图像帧中截取目标图像样本。
具体地,图5示出了基于目标检测算法对目标信息进行目标检测处理的方法流程示意图,如图5所示,该流程至少包括步骤S510至步骤S530,详细介绍如下:
在步骤S510中,获取目标信息对应的多个目标图像帧。
在本公开的示例性实施例中,目标信息为视频信息,在目标信息中获取每一帧视频对应的目标图像帧。
在步骤S520中,基于目标检测算法在各目标图像帧中确定目标对象201对应的目标区域。
在本公开的示例性实施例中,针对每一帧目标图像帧基于目标检测算法逐个进行目标检测处理。
具体地,获取第一帧目标图像帧,对第一帧目标图像帧基于目标检测算法进行目标检测处理,以获取目标对象在第一帧目标图像帧中的第一目标区域。其中,该目标检测算法可以通过调用训练后的目标检测模型来实现,节省了目标检测模型样本的获取。
另外,目标检测算法还可以检测该目标图像帧中是否存在目标对象,若目标图像帧中不存在目标对象,则读取下一帧目标图像帧进行目标检测处理;
在步骤S530中,根据各目标区域的位置坐标在目标图像帧中截取目标图像样本。
在本公开的示例性实施例中,根据第一帧目标图像帧对应的第一目标区域的位置坐标在第一帧目标图像帧中截取第一目标图像,将第一目标图像作为第一图像样本。
在得到第一目标图像对应的第一图像样本之后,继续在目标信息中读取第一帧目标图像帧之后一帧的第二帧目标图像帧。再根据目标检测算法获取第二帧目标图像帧对应的第二目标区域,基于第二目标区域的位置坐标在第二帧目标图像帧中截取第二目标图像,将第二目标图像作为第二图像样本。
在得到第二目标图像对应的第二图像样本之后,继续在目标信息中读取第二帧目标图像帧之后一帧的第三帧目标图像帧。并重复上述步骤S520~步骤S530,直到将目标信息中的多个目标图像帧一一读取并目标检测处理完,将处理后的多个图像样本作为目标图像样本。
在本公开的示例性实施例中,在得到目标图像样本之后,还可以对目标图像样本的尺寸进行尺寸调整,将多个目标图像样本的尺寸调整到预设尺寸,预设尺寸可以根据实际情况进行设定,比如,可以将目标图像样本的像素大小调整为224*224,还可以是其它尺寸,本公开对此不作具体限定。
图6示出了获取目标图像样本的方法流程示意图,如图6所示,在步骤S601中,开启拍摄装置,控制拍摄装置对目标对象进行拍摄,以生成目标信息;在步骤S602中,创建文件夹,并以目标参数命名该文件夹;在步骤S603中,获取目标信息中的目标图像帧;在步骤S604中,基于目标检测算法对目标图像帧进行目标检测处理;在步骤S605中,判断该目标图像帧中是否存在目标对象,若目标图像帧中不存在目标图像帧,则执行步骤S603,读取当前目标图像帧的下一帧目标图像帧;在步骤S606中,若目标图像帧中存在目标图像帧,则获取目标区域,并根据目标区域的位置坐标在目标图像帧中截取目标图像样本;在步骤S607中,对目标图像样本的尺寸进行尺寸调整;在步骤S608中,将尺寸调整后的目标图像样本命名为N,并存储在上述文件夹中。其中,序号N为正整数,N由0开始累加;在步骤S609中,判断当前目标图像帧是否为目标信息中的最后一帧目标图像帧;若当前目标图像帧不是目标信息中的最后一帧目标图像帧,则读取当前目标图像帧的下一帧目标图像帧,并执行步骤S603至步骤S609;在步骤S610中,若当前目标图像帧是目标信息中的最后一帧目标图像帧,则关闭拍摄装置。
在本公开的示例性实施例中,将目标参数作为目标信息对应的目标图像样本的标签,目标信息对应的目标图像样本可以包括一个,也可以包括多个,将目标信息对应的一个或多个目标图像样本打上标签,该标签可以是目标参数。
在本公开的示例性实施例中,基于目标图像样本生成神经网络模型的训练样本对神经网络模型进行训练,也可以将目标图像样本的标签也输入神经网络模型中,利用目标图像样本和目标图像样本的标签同时对神经网络模型进行训练。
在本公开的示例性实施例中,运动装置在第一终点和第二终点之间进行一次往返运动之后,向恒定参数装置发送参数变更指令,以使恒定参数装置根据参数变更指令控制目标对象的参数上升或下降预设参数;将上升或下降预设参数之后的目标对象的参数作为新的目标参数,重复上述实施例中的仪表图像样本制作方法,直到目标对象的参数达到参数阈值。
其中,参数变更指令包括上升或下降预设参数信息,该预设参数可以根据实际情况进行设定,比如,该预设温度可以是1°,也可以是0.5°,本公开对此不作具体限定。
另外,该参数变更指令为上升预设参数信息还是下降预设参数信息可以根据目标参数和参数范围进行设定,举例而言,若目标温度为10°,温度范围为10°~20°,则该参数变更指令就为上升预设温度;若目标温度为20°,温度范围为10°~20°,则该参数变更指令就为下降预设温度,本公开对此不作具体限定。
还有,该参数阈值也可以根据目标参数和参数范围进行设定,举例而言,若目标温度为10°,温度范围为10°~20°,则温度阈值就为20°;若目标温度为20°,温度范围为10°~20°,则温度阈值就为10°,本公开对此也不作具体限定。
图7示出了本公开具体实施例的仪表图像样本制作方法的流程示意图,如图7所示,在步骤S710中,向运动装置发送归零指令,以使运动装置在预设轨道上从当前位置运动至第一终点或第二终点;在步骤S720中,向恒定参数装置发送恒定参数指令,以使恒定参数装置控制目标对象的参数;在步骤S730中,在向恒定参数装置发送恒定参数指令之后的预设时刻,开启拍摄装置;在步骤S740中,控制拍摄装置在预设轨道上进行一次往返运动,并控制拍摄装置对目标对象进行拍摄,以生成目标信息;在步骤S750中,在目标信息的生成过程中,同时基于目标检测算法对目标信息进行目标检测处理,以得到与目标信息对应的目标图像样本;在步骤S760中,以目标对象的当前参数作为标签,标记目标图像样本;在步骤S770中,判断目标对象的参数是否达到参数阈值;在步骤S780中,若目标对象的参数未达到参数阈值,则向恒定参数装置发送参数变更指令,并重复执行步骤S720至步骤S770;在步骤S790中,若目标对象的参数达到参数阈值,结束仪表图像样本制作流程。
在本公开的示例性实施例中,在上述S609之后,也可以判断目标对象的当前参数与上一时刻的参数是否发生变化,若目标对象的参数发生变化,则重复执行步骤S602至步骤S609;若目标对象的参数未发生变化,则重复执行步骤S603至步骤S609。
本领域技术人员可以理解实现上述实施方式的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时,执行本发明提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中,该存储介质可以是只读存储器,磁盘或光盘等。
此外,需要注意的是,上述附图仅是根据本发明示例性实施方式的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
以下介绍本公开的装置实施例,可以用于执行本公开上述的仪表图像样本制作方法。对于本公开装置实施例中未披露的细节,请参照本公开上述的仪表图像样本制作方法的实施例。
图8示意性示出了根据本公开的一个实施例的仪表图像样本制作装置的框图。
参照图8所示,根据本公开的一个实施例的仪表图像样本制作装置800,仪表图像样本制作装置800包括:参数控制模块801、运动控制模块802和目标检测模块803。具体地:
参数控制模块801,用于向恒定参数装置发送恒定参数指令,以使恒定参数装置根据恒定参数指令控制目标对象的参数,恒定参数指令包括目标参数;
运动控制模块802,用于控制拍摄装置在预设轨道上进行运动,并在拍摄装置运动的过程中,控制拍摄装置对目标对象进行拍摄,以生成目标信息;
目标检测模块803,用于基于目标检测算法对目标信息进行目标检测处理,以得到与目标信息对应的目标图像样本。
在本公开的示例性实施例中,参数控制模块801还可以用于在向恒定参数装置发送恒定参数指令之前,还包括:向运动装置发送归零指令,以使运动装置在预设轨道上从当前位置运动至第一终点或第二终点,其中,拍摄装置跟随运动装置进行运动。
在本公开的示例性实施例中,运动控制模块802还可以用于控制拍摄装置每间隔预设时间段对目标对象进行拍摄,以生成目标信息。
在本公开的示例性实施例中,运动控制模块802还可以用于通过运动装置控制拍摄装置在预设轨道的第一终点和第二终点之间做往返运动。
在本公开的示例性实施例中,目标检测模块803还可以用于获取目标信息对应的多个目标图像帧,基于目标检测算法对各目标图像帧进行目标检测处理,以得到与各目标图像帧对应的目标图像样本。
在本公开的示例性实施例中,目标检测模块803还可以用于基于目标检测算法在各目标图像帧中确定目标对象对应的目标区域,根据各目标区域的位置坐标在目标图像帧中截取目标图像样本。
在本公开的示例性实施例中,目标检测模块803还可以用于将目标参数作为目标信息对应的目标图像样本的标签。
在本公开的示例性实施例中,仪表图像样本制作装置800还包括变更参数模块(图中未示出),用于运动装置在第一终点和第二终点之间进行一次往返运动之后,向恒定参数装置发送参数变更指令,以使恒定参数装置根据参数变更指令控制目标对象的参数上升或下降预设参数;将上升或下降预设参数之后的目标对象的参数作为新的目标参数,执行上述的仪表图像样本制作方法,直到目标对象的参数达到参数阈值。
上述各仪表图像样本制作装置的具体细节已经在对应的仪表图像样本制作方法中进行了详细的描述,因此此处不再赘述。
以下介绍本公开的系统实施例,可以用于执行本公开上述的仪表图像样本制作方法。对于本公开系统实施例中未披露的细节,请参照本公开上述的仪表图像样本制作方法的实施例。
图9示意性示出了根据本公开的一个实施例的仪表图像样本制作系统的框图。
参照图9所示,根据本公开的一个实施例的仪表图像样本制作系统900,仪表图像样本制作系统900包括:目标对象901、恒定参数装置902、拍摄装置903和控制装置904。具体地:
恒定参数装置902,用于接收控制装置904发送的恒定参数指令,并根据恒定参数指令控制目标对象901的参数,所述恒定参数指令包括目标参数;
拍摄装置903,用于在所述控制装置904的控制下,在预设轨道上进行运动,并在运动的过程中对所述目标对象901进行拍摄,以生成目标信息;
控制装置904,用于执行上述示例性实施例中的仪表图像样本制作方法。
在本公开的示例性实施例中,仪表图像样本制作系统还可以包括运动装置(图中未示出),该运动装置还可以接收控制装置904发送的归零指令,并根据归零指令在预设轨道上从当前位置运动至第一终点或第二终点,其中,拍摄装置903跟随运动装置进行运动,在预设轨道上设置有第一终点和第二终点。
应当注意,尽管在上文详细描述中提及了用于执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图10来描述根据本发明的这种实施方式的电子设备1000。图10显示的电子设备1000仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示,电子设备1000以通用计算设备的形式表现。电子设备900的组件可以包括但不限于:上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030、显示单元1040。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1010执行,使得所述处理单元1010执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元1010可以执行如图1中所示的步骤S110,向恒定参数装置发送恒定参数指令,以使恒定参数装置根据恒定参数指令控制目标对象201的参数,恒定参数指令包括目标参数;步骤S120,控制拍摄装置在预设轨道上进行运动,并在拍摄装置运动的过程中,控制拍摄装置对目标对象进行拍摄,以生成目标信息;步骤S130,基于目标检测算法对目标信息进行目标检测处理,以得到与目标信息对应的目标图像样本,将目标参数配置为目标图像样本的标签,并基于目标图像样本生成神经网络模型的训练样本。
存储单元1020可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)10201和/或高速缓存存储单元10202,还可以进一步包括只读存储单元(ROM)10203。
存储单元1020还可以包括具有一组(至少一个)程序模块10205的程序/实用工具10204,这样的程序模块10205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1030可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1000也可以与一个或多个外部设备1200(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得观众能与该电子设备1000交互的设备通信,和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。并且,电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图10所示,网络适配器1060通过总线1030与电子设备1000的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备1000使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图11所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品1100,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (10)
1.一种仪表图像样本制作方法,其特征在于,包括:
向恒定参数装置发送恒定参数指令,以使所述恒定参数装置根据所述恒定参数指令控制目标对象的参数,所述恒定参数指令包括目标参数;
控制拍摄装置在预设轨道上进行运动,并在所述拍摄装置运动的过程中,控制所述拍摄装置对所述目标对象进行拍摄,以生成目标信息;
基于目标检测算法对所述目标信息进行目标检测处理,以得到与所述目标信息对应的目标图像样本,将所述目标参数配置为所述目标图像样本的标签,并基于所述目标图像样本生成神经网络模型的训练样本。
2.根据权利要求1所述的仪表图像样本制作方法,其特征在于,在所述预设轨道上设置有第一终点和第二终点;
在向恒定参数装置发送恒定参数指令之前,所述方法还包括:
向运动装置发送归零指令,以使所述运动装置在所述预设轨道上从当前位置运动至所述第一终点或所述第二终点,其中,所述拍摄装置跟随所述运动装置进行运动。
3.根据权利要求2所述的仪表图像样本制作方法,其特征在于,控制拍摄装置在预设轨道上进行运动,包括:
通过控制所述运动装置,以使所述拍摄装置跟随所述运动装置在所述预设轨道的所述第一终点和所述第二终点之间做往返运动。
4.根据权利要求1所述的仪表图像样本制作方法,其特征在于,控制所述拍摄装置对所述目标对象进行拍摄,以生成目标信息,包括:
控制所述拍摄装置每间隔预设时间段对所述目标对象进行拍摄,以生成所述目标信息。
5.根据权利要求1所述的仪表图像样本制作方法,其特征在于,基于目标检测算法对所述目标信息进行目标检测处理,以得到与所述目标信息对应的目标图像样本,包括:
获取所述目标信息对应的多个目标图像帧,基于所述目标检测算法在各所述目标图像帧中确定所述目标对象对应的目标区域,并根据各所述目标区域的位置坐标在所述目标图像帧中截取所述目标图像样本。
6.根据权利要求1所述的仪表图像样本制作方法,其特征在于,在控制拍摄装置在预设轨道上进行运动之前,所述方法还包括:
在向所述恒定参数装置发送所述恒定参数指令之后的预设时刻,开启所述拍摄装置。
7.根据权利要求3所述的仪表图像样本制作方法,其特征在于,所述方法还包括:
在所述运动装置在所述第一终点和所述第二终点之间进行一次往返运动之后,向所述恒定参数装置发送参数变更指令,以使所述恒定参数装置根据所述参数变更指令控制所述目标对象的参数上升或下降预设参数;
将上升或下降所述预设参数之后的所述目标对象的参数作为新的目标参数,执行所述权利要求1至6中的样本制作方法,直到所述目标对象的参数达到参数阈值。
8.一种仪表图像样本制作系统,其特征在于,所述样本制作系统包括目标对象、恒定参数装置、拍摄装置、控制装置,其中:
所述恒定参数装置,用于接收所述控制装置发送的恒定参数指令,并根据所述恒定参数指令控制目标对象的参数,所述恒定参数指令包括目标参数;
所述拍摄装置,用于在所述控制装置的控制下,在预设轨道上进行运动,并在运动的过程中对所述目标对象进行拍摄,以生成目标信息;
所述控制装置,用于执行权利要求1至7任一项所述的仪表图像样本制作方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至7中任一项所述的仪表图像样本制作方法。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至7中任一项所述的仪表图像样本制作方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011162752.XA CN112367461B (zh) | 2020-10-27 | 2020-10-27 | 仪表图像样本制作方法及系统、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011162752.XA CN112367461B (zh) | 2020-10-27 | 2020-10-27 | 仪表图像样本制作方法及系统、存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112367461A true CN112367461A (zh) | 2021-02-12 |
CN112367461B CN112367461B (zh) | 2021-12-17 |
Family
ID=74510637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011162752.XA Active CN112367461B (zh) | 2020-10-27 | 2020-10-27 | 仪表图像样本制作方法及系统、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112367461B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114332224A (zh) * | 2021-12-29 | 2022-04-12 | 北京字节跳动网络技术有限公司 | 3d目标检测样本的生成方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034838A (zh) * | 2012-12-03 | 2013-04-10 | 中国人民解放军63963部队 | 一种基于图像特征的特种车辆仪表类型识别与标定方法 |
CN108764160A (zh) * | 2018-05-30 | 2018-11-06 | 北京百度网讯科技有限公司 | 信息获取方法和装置 |
CN109743879A (zh) * | 2016-12-30 | 2019-05-10 | 同济大学 | 一种基于动态红外热像图处理的地下管廊渗漏检测方法 |
CN110108303A (zh) * | 2019-05-24 | 2019-08-09 | 山东航天电子技术研究所 | 一种在轨空间目标探测识别仿真系统及方法 |
CN110298347A (zh) * | 2019-05-30 | 2019-10-01 | 长安大学 | 一种基于GrayWorld与PCA-CNN的汽车尾气分析仪屏幕的识别方法 |
CN110868547A (zh) * | 2019-12-02 | 2020-03-06 | RealMe重庆移动通信有限公司 | 拍照控制方法、拍照控制装置、电子设备及存储介质 |
CN111598942A (zh) * | 2020-03-12 | 2020-08-28 | 中国电力科学研究院有限公司 | 一种用于对电力设施仪表进行自动定位的方法及系统 |
CN111784653A (zh) * | 2020-06-28 | 2020-10-16 | 西安电子科技大学 | 基于形状约束的多尺度网络mri胰腺轮廓定位方法 |
-
2020
- 2020-10-27 CN CN202011162752.XA patent/CN112367461B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034838A (zh) * | 2012-12-03 | 2013-04-10 | 中国人民解放军63963部队 | 一种基于图像特征的特种车辆仪表类型识别与标定方法 |
CN109743879A (zh) * | 2016-12-30 | 2019-05-10 | 同济大学 | 一种基于动态红外热像图处理的地下管廊渗漏检测方法 |
US20190331301A1 (en) * | 2016-12-30 | 2019-10-31 | Du Yuchuan | Method for leakage detection of underground pipeline corridor based on dynamic infrared thermal image processing |
CN108764160A (zh) * | 2018-05-30 | 2018-11-06 | 北京百度网讯科技有限公司 | 信息获取方法和装置 |
CN110108303A (zh) * | 2019-05-24 | 2019-08-09 | 山东航天电子技术研究所 | 一种在轨空间目标探测识别仿真系统及方法 |
CN110298347A (zh) * | 2019-05-30 | 2019-10-01 | 长安大学 | 一种基于GrayWorld与PCA-CNN的汽车尾气分析仪屏幕的识别方法 |
CN110868547A (zh) * | 2019-12-02 | 2020-03-06 | RealMe重庆移动通信有限公司 | 拍照控制方法、拍照控制装置、电子设备及存储介质 |
CN111598942A (zh) * | 2020-03-12 | 2020-08-28 | 中国电力科学研究院有限公司 | 一种用于对电力设施仪表进行自动定位的方法及系统 |
CN111784653A (zh) * | 2020-06-28 | 2020-10-16 | 西安电子科技大学 | 基于形状约束的多尺度网络mri胰腺轮廓定位方法 |
Non-Patent Citations (1)
Title |
---|
王耀东等: "基于局部图像纹理计算的隧道裂缝视觉检测技术", 《铁道学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114332224A (zh) * | 2021-12-29 | 2022-04-12 | 北京字节跳动网络技术有限公司 | 3d目标检测样本的生成方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112367461B (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11023730B1 (en) | Fine-grained visual recognition in mobile augmented reality | |
US11423695B2 (en) | Face location tracking method, apparatus, and electronic device | |
US11431896B2 (en) | Augmented reality for three-dimensional model reconstruction | |
CN109117831B (zh) | 物体检测网络的训练方法和装置 | |
US10891473B2 (en) | Method and device for use in hand gesture recognition | |
US11941831B2 (en) | Depth estimation | |
CN112767329B (zh) | 图像处理方法及装置、电子设备 | |
CN109614983B (zh) | 训练数据的生成方法、装置及系统 | |
TWI747120B (zh) | 深度模型訓練方法及裝置、電子設備及儲存介質 | |
CN113780201B (zh) | 手部图像的处理方法及装置、设备和介质 | |
CN111612696B (zh) | 图像拼接方法、装置、介质及电子设备 | |
CN109858333A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN113439227B (zh) | 放大图像的捕获和存储 | |
JP2017523498A (ja) | 効率的なフォレストセンシングに基づくアイトラッキング | |
CN107993256A (zh) | 动态目标跟踪方法、装置及存储介质 | |
CN110827301B (zh) | 用于处理图像的方法和装置 | |
TW202026958A (zh) | 深度模型訓練方法及裝置、電子設備及儲存介質 | |
CN112367461B (zh) | 仪表图像样本制作方法及系统、存储介质、电子设备 | |
CN109741365A (zh) | 目标跟踪方法、无人机、终端设备及存储介质 | |
US11908144B2 (en) | Image processing apparatus, method, and medium using degrees of reliability and similarity in motion vectors | |
CN112530554B (zh) | 一种扫描定位方法、装置、存储介质及电子设备 | |
CN114612976A (zh) | 关键点检测方法及装置、计算机可读介质和电子设备 | |
CN112434698A (zh) | 字符识别方法、装置、电子设备及存储介质 | |
KR102630546B1 (ko) | 하천의 영상 정보를 활용한 인공지능 기반의 하천 수위 및 유속 계측 방법 및 장치 | |
CN112255973A (zh) | 工业生产系统中的目标检测方法、检测终端及存储介质 |
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 |