CN112541512A - 一种图像集生成方法及装置 - Google Patents
一种图像集生成方法及装置 Download PDFInfo
- Publication number
- CN112541512A CN112541512A CN201910892321.XA CN201910892321A CN112541512A CN 112541512 A CN112541512 A CN 112541512A CN 201910892321 A CN201910892321 A CN 201910892321A CN 112541512 A CN112541512 A CN 112541512A
- Authority
- CN
- China
- Prior art keywords
- image
- identifier
- rendering
- rendered
- graphic
- 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
-
- 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
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)
- Processing Or Creating Images (AREA)
Abstract
本申请实施例提供了一种图像集生成方法及装置,属于计算机领域,图像集生成方法包括:获取至少一个渲染参数组,其中,一个渲染参数组包含至少一种与图形标识符相关的渲染参数;针对每个渲染参数组,基于该渲染参数组包含的渲染参数对包含图形标识符的初始图像进行渲染,得到渲染后的图像;针对渲染后的图像,获取该图像中图形标识符的标注信息;对应存储每张渲染后的图像、该图像中图形标识符的标注信息,得到图像集。采用本申请实施例提供的技术方案,能够快速生成图像集。
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集生成方法及装置。
背景技术
二维码、条形码等图形标识符可以基于不同形状的几何图形,标识不同的数据内容。为了实现对实际应用场景中贴附于物体上的图形标识符进行识别的功能,计算机设备可以通过图形标识符识别模型对贴附于物体上的图形标识符进行识别,得到图形标识符的标注信息,标注信息例如位置信息。其中,图形标识符识别模型由计算机设备基于图像集,对初始识别模型进行训练得到;初始识别模型例如支持向量机、随机森林,图像集包括多张包含图形标识符的图像、每张图像中图形标识符的标注信息。
相关技术中,训练初始识别模型所需的图像集由人工生成,具体处理过程为:针对多种需要进行图形标识符识别的应用场景,工作人员拍摄该应用场景中贴附于物体上的图形标识符,得到包含该图形标识符的图像。然后,人工标注图形标识符的标注信息,例如,人工标注图形标识符在该图像中的位置信息,得到该应用场景的样本图像。由此,得到由每种应用场景的样本图像组成的图像集。
为了保证图形标识符识别模型的识别准确率,需要基于优质图像集对初始识别模型进行训练,优质图像集即包含的样本图像的数量大、且样本图像所包含图形标识符的形态多样的图像集。然而,通过人工方式生成图像集的效率低,无法快速生成优质图像集。
发明内容
本申请实施例的目的在于提供一种图形集生成方法及装置,以实现快速生成图像集。具体技术方案如下:
第一方面,本申请实施例提供一种图像集生成方法,该方法包括:
获取至少一个渲染参数组,其中,一个渲染参数组包含至少一种与图形标识符相关的渲染参数;
针对每个渲染参数组,基于该渲染参数组包含的渲染参数对包含图形标识符的初始图像进行渲染,得到渲染后的图像;
针对渲染后的图像,获取该图像中图形标识符的标注信息;
对应存储每张渲染后的图像、该图像中图形标识符的标注信息,得到图像集。
可选的,渲染参数包括用于表示图形标识符所处环境的环境参数、用于表示图形标识符的图像特征的图像特征参数;
针对每个渲染参数组,基于该渲染参数组包含的渲染参数对包含图形标识符的初始图像进行渲染,得到渲染后的图像的步骤,包括:
针对每个渲染参数组,通过预设的渲染算法和该渲染参数组包含的环境参数,创建图形标识符所处场景;
通过渲染算法和该渲染参数组包含的图像特征参数,渲染包含图形标识符的初始图像,得到渲染后的图形标识符;
生成包含渲染后的图形标识符的场景的图像,作为渲染后的图像。
可选的,场景为三维场景,渲染后的图像为包含渲染后的图形标识符的三维图像。
可选的,图像特征参数包括:用于表示图形标识符的材质的材质参数、用于表示图形标识符的形态的形态参数,其中,形态包括铺平、褶皱、破损、脏污、反光中的至少一种,形态参数包括褶皱位置、褶皱状态、破损位置、破损状态、脏污位置、脏污程度、反光光斑在图形标识符上的位置、反光光斑的状态中的至少一种。
可选的,标注信息包含位置信息、图形标识符所标识的数据内容;
对应存储每张渲染后的图像、该图像中图形标识符的标注信息,得到图像集的步骤,包括:
针对每张渲染后的图像,根据图形标识符的位置信息生成标注框;
在每张渲染后的图像上标识标注框和图形标识符所标识的数据内容,得到图像集。
可选的,该方法还包括:
将图像集中的每个图像输入至初始识别模型中,得到识别结果;
将识别结果与预先标定的该图像所包含图形标识符的标注信息进行比较,得到差异信息;
基于差异信息,调整初始识别模型的参数,直至初始识别模型的迭代次数达到预设次数,或,差异信息小于预设阈值,停止训练,得到图形标识符识别模型。
可选的,该方法还包括:
将图形标识符识别模型加载至二维码扫描仪、手机或机器人,其中,图形标识符识别模型用于对输入二维码扫描仪、手机或机器人的待识别图像进行识别,识别出待识别图像中的图形标识符。
第二方面,本申请实施例还提供了一种图像集生成装置,该装置包括:
第一获取模块,用于获取至少一个渲染参数组,其中,一个渲染参数组包含至少一种与图形标识符相关的渲染参数;
渲染模块,用于针对每个渲染参数组,基于该渲染参数组包含的渲染参数对包含图形标识符的初始图像进行渲染,得到渲染后的图像;
第二获取模块,用于针对渲染后的图像,获取该图像中图形标识符的标注信息;
自动标注模块,用于对应存储每张渲染后的图像、该图像中图形标识符的标注信息,得到图像集。
可选的,渲染参数包括用于表示图形标识符所处环境的环境参数、用于表示图形标识符的图像特征的图像特征参数;
渲染模块包括:
创建子模块,用于针对每个渲染参数组,通过预设的渲染算法和该渲染参数组包含的环境参数,创建图形标识符所处场景;
渲染子模块,用于通过渲染算法和该渲染参数组包含的图像特征参数,渲染包含图形标识符的初始图像,得到渲染后的图形标识符;
第一生成子模块,用于生成包含渲染后的图形标识符的场景的图像,作为渲染后的图像。
可选的,场景为三维场景,渲染后的图像为包含渲染后的图形标识符的三维图像。
可选的,图像特征参数包括:用于表示图形标识符的材质的材质参数、用于表示图形标识符的形态的形态参数,其中,形态包括铺平、褶皱、破损、脏污、反光中的至少一种,形态参数包括褶皱位置、褶皱状态、破损位置、破损状态、脏污位置、脏污程度、反光光斑在图形标识符上的位置、反光光斑的状态中的至少一种。
可选的,标注信息包含位置信息、图形标识符所标识的数据内容;
自动标注模块包括:
第二生成子模块,用于针对每张渲染后的图像,根据图形标识符的位置信息生成标注框;
标注子模块,用于在每张渲染后的图像上标识标注框和图形标识符所标识的数据内容,得到图像集。
可选的,该装置还包括:
训练模块,用于将图像集中的每个图像输入至初始识别模型中,得到识别结果;将识别结果与预先标定的该图像所包含图形标识符的标注信息进行比较,得到差异信息;基于差异信息,调整初始识别模型的参数,直至初始识别模型的迭代次数达到预设次数,或,差异信息小于预设阈值,停止训练,得到图形标识符识别模型。
可选的,该装置还包括:
加载模块,用于将图形标识符识别模型加载至二维码扫描仪、手机或机器人,其中,图形标识符识别模型用于对输入二维码扫描仪、手机或机器人的待识别图像进行识别,识别出待识别图像中的图形标识符。
第三方面,本申请实施例提供了一种识别器,包括图像传感器和处理器;
图像传感器,用于采集包含图形标识符的待识别图像;
处理器,用于加载利用图像集训练得到的图形标识符识别模型,其中,图像集中的图像为基于至少一个渲染参数对包含图形标识符的初始图像进行渲染得到的;通过图形标识符识别模型,识别待识别图像中的图形标识符。
可选的,渲染参数包括用于表示图像标识符所处环境的环境参数、用于表示图形标识符的图像特征的图像特征参数;
图像特征参数包括:用于表示图形标识符的材质的材质参数、用于表示图形标识符的形态的形态参数,其中,形态包括铺平、褶皱、破损、脏污、反光中的至少一种,形态参数包括褶皱位置、褶皱状态、破损位置、破损状态、脏污位置、脏污状态、反光光斑在图形标识符上的位置、反光光斑的状态中的至少一种。
第四方面,本申请实施例提供了一种计算机设备,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使:实现本申请实施例第一方面提供的方法。
第五方面,本申请实施例提供了一种机器可读存储介质,存储有机器可执行指令,在被处理器调用和执行时,实现本申请实施例第一方面提供的方法。
第六方面,本申请实施例还提供一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行实现本申请实施例第一方面所提供的方法。
本申请实施例提供的一种图像集生成方法及装置,可以获取至少一个渲染参数组,其中,一个渲染参数组包含至少一种与图形标识符相关的渲染参数;针对每个渲染参数组,基于该渲染参数组包含的渲染参数对包含图形标识符的初始图像进行渲染,得到渲染后的图像;针对渲染后的图像,获取该图像中图形标识符的标注信息,对应存储每张渲染后的图像、该图像中图形标识符的标注信息,得到图像集。由于通过至少一个渲染参数组的渲染参数对包含图形标识符的初始图像进行渲染,能够自动得到多张包含图形标识符的图像,之后,只需对应存储渲染后的图像和该图像中图形标识符的标注信息,即可生成图像集,因此,能够快速生成图像集。
当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
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为本申请实施例提供的第一种图像集生成方法的流程图;
图2a为本申请实施例提供的一种包含图形标识符的初始图像的示意图;
图2b为本申请实施例提供的一种渲染后的图像的示意图;
图2c为本申请实施例提供的一种三维场景的示意图;
图2d为本申请实施例提供的另一种渲染后的图像的示意图;
图2e为本申请实施例提供的另一种渲染后的图像的示意图;
图2f为本申请实施例提供的标识有识别结果的图像的示意图;
图3为本申请实施例提供的第二种图像集生成方法的流程图;
图4为本申请实施例提供的第三种图像集生成方法的流程图;
图5为本申请实施例提供的一种图像集生成装置的结构示意图;
图6为本申请实施例提供的一种计算机设备的结构示意图;
图7为本申请实施例提供的一种识别器的结构示意图。
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。
为解决相关技术中采用人工方式生成图像集,导致图像集生成效率低的问题,本申请实施例提供了一种图像集生成方法及装置。该方法应用于计算机设备,计算机设备可以是具有数据处理功能的设备,例如,计算机、平板电脑。
本申请实施例中,计算机设备基于渲染参数对图像进行渲染,渲染参数与二维码、条形码等图形标识符相关,渲染参数可以包括用于表征图形标识符所处环境的环境参数、用于表征图形标识符的图像特征的图像特征参数。
可选的,环境参数包括光照参数、环境模型参数和观察视点参数。其中,光照参数例如光源的种类、数目、位置、颜色;光源的种类例如点光源、条形光源、球型光源;环境模型参数例如用于表示纸盒的三维立体模型、用于表示墙壁的三维立体模型;观察视点参数例如观察者观察图形标识符的角度、观察者与图形标识符之间的距离。环境参数还包括图形标识符在所处环境中的初始位置信息,该初始位置信息可以是计算机设备本地存储的预设数值,也可以是计算机设备随机选取的任一数值。
图像特征参数包括:用于表示图形标识符的材质的材质参数、用于表示图形标识符的形态的形态参数,其中,材质参数例如纸张、塑料薄膜;形态包括铺平、褶皱、破损、脏污、反光中的至少一种,形态参数包括褶皱位置、褶皱状态(例如褶皱的形状、大小、程度等)、破损位置、破损状态(例如破损的形状、大小、程度等)、脏污位置、脏污状态(例如脏污物的形状、大小、材质,以及脏污的程度等)、反光光斑在图形标识符上的位置,反光光斑的状态(例如反光光斑的亮度、大小等)中的至少一种。
本申请实施例中,计算机设备中设置有多种渲染参数,便于基于多种渲染参数模拟图形标识符的各种物理形态、图形标识符所处的各种环境,由此,基于多种渲染参数渲染包含图形标识符的初始图像后得到的图像,可以包含多种环境特征、多种图形标识符的图像特征,更贴近多种真实场景。以渲染后的图像形成的图像集作为初始识别模型的训练数据,能够丰富训练数据的种类与数量。进一步的,基于确定出的图像集训练初始识别模型,能够提高图形标识符识别模型识别图形标识符的正确率。
如图1所示,一种图像集生成方法的具体处理过程包括:
步骤101,获取至少一个渲染参数组。
其中,一个渲染参数组包含至少一种与图形标识符相关的渲染参数,渲染参数包括渲染参数的参数值。
在实施中,计算机设备中可以预先存储有至少一个渲染参数组,计算机设备可以获取本地存储的至少一个渲染参数组。或者,计算机设备可以根据工作人员输入的渲染参数,生成至少一个渲染参数组。
例如,计算机设备获取本地存储的三个渲染参数组,三个渲染参数组所包含的渲染参数如表1所示。
表1
本申请实施例中,为成功渲染图像,不同渲染参数组均包含光照参数、环境模型参数、观察视点参数以及初始位置信息等环境参数。而为保证图像渲染效果的多样性,不同渲染参数组所包含图像特征参数的种类可以相同,也可以不同。针对工作人员输入渲染参数的情况,如果工作人员未输入环境参数,则计算机设备可以获取本地存储的预设环境参数值作为相应环境参数的参数值,生成既包含环境参数又包含图像特征参数的渲染参数组。
步骤102,针对每个渲染参数组,基于该渲染参数组包含的渲染参数对包含图形标识符的初始图像进行渲染,得到渲染后的图像。
在实施中,计算机设备中可以预先存储有图像数据库,图像数据库包括多个包含图形标识符的图像。计算机设备可以从图像数据库中获取多个包含图形标识符的图像,将每个包含图形标识符的图像作为初始图像。
在一种可行的实现方式中,计算机设备可以包含图像采集部件,计算机设备可以通过图像采集部件拍摄图形标识符,得到包含图形标识符的初始图像。
之后,计算机设备可以针对每个渲染参数组,基于该渲染参数组包含的渲染参数对包含图形标识符的初始图像进行渲染,得到渲染后的图像。如图2a所示,为本申请实施例提供的一种包含图形标识符的初始图像的示意图;如图2b所示,为本申请实施例提供的一种渲染后的图像的示意图。由此,计算机设备可以得到每个渲染参数组渲染后的图像。
计算机设备基于渲染参数组包含的渲染参数,对包含图形标识符的初始图像进行渲染的具体处理过程后续会进行详细说明。
本申请实施例中,计算机设备可以针对每个图形标识符,通过多个渲染参数组对包含该图形标识符的初始图像进行渲染,得到包含该图形标识符的多个渲染后的图像,进一步的,得到包含多个图形标识符的多个渲染后的图像。
例如,计算机设备可以针对100个图形标识符中的每个图形标识符,通过10个渲染参数组对包含该图形标识符的初始图像进行渲染,得到包含该图形标识符的10个渲染后的图像,进一步的,得到包含100个图形标识符的1000个渲染后的图像。
步骤103,针对渲染后的图像,获取该图像中图形标识符的标注信息。
其中,标注信息可以是图形标识符在图像中的位置信息,标注信息也可以是图形标识符所标识的数据内容。例如,图形标识符的位置信息为纸盒侧面,图形标识符所标识的数据内容为‘9--$5$-WQ%/’。
在实施中,针对计算机设备通过图像数据库获取包含图形标识符的初始图像的情况,图像数据库中可以对应存储有多个包含图形标识符的初始图像以及每个初始图像中图形标识符所标识的数据内容。针对计算机设备通过图像采集部件拍摄图形标识符,得到包含图形标识符的初始图像的情况,计算机设备可以在本地对应存储初始图像和工作人员输入的数据内容。由此,计算机设备可以在对每个初始图像进行渲染后,获取本地存储的与该初始图像对应的数据内容,作为图形标识符所标识的数据内容。
计算机设备获取图形标识符在渲染后的图像中的位置信息的方式可以是多种多样的,在一种可行的实现方式中,图像数据库中可以对应存储有多个包含图形标识符的初始图像以及每个初始图像中图形标识符的位置信息,由此,计算机设备可以获取与初始图像对应的位置信息,作为图形标识符在渲染后的图像中的位置信息。
在另一种可行的实现方式中,计算机设备可以根据三维场景中图形标识符的初始位置信息,计算图形标识符在渲染后的图像中的位置信息。例如,工作人员可以在输入渲染参数的同时,输入图形标识符在三维场景中的坐标和图形标识符所标识的数据内容,计算机设备可以根据该坐标计算图形标识符在渲染后的图像中的位置信息。
步骤104,对应存储每张渲染后的图像、该图像中图形标识符的标注信息,得到图像集。
在实施中,计算机设备可以对应存储每张图像、该图像中图形标识符的标注信息,得到图像集。由此,便于计算机设备后续基于图像集对初始识别模型进行训练,得到用于识别图形标识符的图形标识符识别模型。计算机设备对应存储每张渲染后的图像、该图像中图形标识符的标注信息,得到图像集的具体处理过程后续会进行详细说明。
本申请实施例中,计算机设备可以获取多个渲染参数组,针对每个渲染参数组,基于该渲染参数组包含的渲染参数对包含图形标识符的初始图像进行渲染,得到渲染后的图像;针对渲染后的图像,获取该图像中图形标识符的标注信息,对应存储每张渲染后的图像、该图像中图形标识符的标注信息,得到图像集。由于通过多个渲染参数组包含的渲染参数对包含图形标识符的初始图像进行渲染,能够自动生成多张包含不同图像特征的图形标识符的图像,之后,只需对应存储渲染后的图像和该图像中图形标识符的标注信息,即可生成图像集,因此能够快速生成图像集,提高图像集生成效率,节省人工生成图像集所耗费的人力物力。
可选的,计算机设备中可以预先设置有渲染算法,渲染算法例如光线追踪算法、光栅化渲染器。相关技术中,任一具有渲染功能的算法均可以作为渲染算法,本申请实施例不作具体限定。
本申请实施例提供了一种计算机设备基于渲染算法和渲染参数组包含的渲染参数,对包含图形标识符的初始图像进行渲染的实现方式,如图3所示,包括以下步骤:
步骤301,针对每个渲染参数组,通过预设的渲染算法和该渲染参数组包含的环境参数,创建图形标识符所处场景。
在实施中,计算机设备可以针对每个渲染参数组,确定该渲染参数组包含的环境参数,然后,通过预设的渲染算法和环境参数,创建场景,该场景可以为二维场景,也可以为三维场景。
可选的,场景可以为三维场景,渲染后的图像为包含渲染后的图形标识符的三维图像。一般情况下,图形标识符多是出现在包装盒、产品表面上的,因此,所创建的场景多为三维场景。
例如,针对表1中渲染参数组1包含的环境参数:光照参数为1个点光源、环境模型参数为纸盒、观察位置为正前方5m,计算机设备可以通过渲染算法和渲染参数组1包含的环境参数,创建如图2c所示的三维场景。
步骤302,通过渲染算法和该渲染参数组包含的图像特征参数,渲染包含图形标识符的初始图像,得到渲染后的图形标识符。
在实施中,计算机设备可以基于包含图形标识符的初始图像,对预设的初始图形标识符模型进行贴图,得到图形标识符模型。然后,计算机设备可以针对每个渲染参数组,确定该渲染参数组包含的图像特征参数,然后,通过预设的渲染算法和图像特征参数,对图形标识符模型进行渲染,得到渲染后的图形标识符。
例如,计算机设备可以生成贴图为图2a所示初始图像的图形标识符模型。然后,针对表1中渲染参数组1包含的图像特征参数:材质参数为纸、形态参数为铺平,计算机设备可以通过渲染算法和渲染参数组1包含的图像特征参数,对图形标识符模型进行渲染,得到渲染后的图形标识符。
步骤303,生成包含渲染后的图形标识符的场景的图像,作为渲染后的图像。
在实施中,计算机设备可以根据初始位置信息,将渲染后的图形标识符放置在创建的场景中,然后,生成包含渲染后的图形标识符的场景的图像,作为渲染后的图像。
例如,计算机设备可以将图2a中的图形标识符放置在图2c所示的三维场景中,得到图2b所示渲染后的图像。如图2d所示,为本申请实施例提供的一种渲染后的包含褶皱的图形标识符的图像的示意图。如图2e所示,为本申请实施例提供的一种渲染后的包含反光光斑的图形标识符的图像的示意图。
本申请实施例中,计算机设备可以将渲染后的图形标识符放置在场景中的任一位置,也可以将渲染后的图形标识符放置在场景中的预设位置。在一种可行的实现方式中,工作人员可以在输入渲染参数的同时,输入图形标识符在场景中的坐标,计算机设备可以将该坐标作为图形标识符的初始位置信息,在得到渲染后的图形标识符后,将渲染后的图形标识符放置在场景中与该初始位置信息对应的位置。
本申请实施例中,计算机设备可以针对每个渲染参数组,通过预设的渲染算法和该渲染参数组包含的环境参数,创建场景;并通过渲染算法和该渲染参数组包含的图像特征参数,渲染包含图形标识符的初始图像,得到渲染后的图形标识符,再生成包含渲染后的图形标识符的场景的图像,作为渲染后的图像。由于将包含渲染后的图形标识符的场景的图像作为渲染后的图像,因此,渲染后的图像可以包含多种环境特征、多种图像特征,确定出的图像集所包含的多个图像更贴近多种真实场景,丰富初始识别模型的训练数据的种类与数量。进一步的,基于确定出的图像集训练初始识别模型,能够提高图形标识符识别模型识别图形标识符的正确率。
可选的,计算机设备可以通过多种方式对应存储每张渲染后的图像、该图像中图形标识符的位置信息、图形标识符的数据内容,在一种可行的实现方式中,计算机设备可以在本地对应存储每张渲染后的图像、该图像中图形标识符的位置信息、图形标识符的数据内容。
在另一种可行的实现方式中,计算机设备可以通过在渲染后的图像中叠加图形标识符的位置信息和图形标识符所标识的数据内容的方式,对应存储上述信息,如图4所示,具体处理过程包括:
步骤401,针对每张渲染后的图像,根据图形标识符的位置信息生成标注框。
在实施中,计算机设备可以针对每张渲染后的图像,根据图形标识符的位置信息生成标注框。
本申请实施例中,标注框的形式可以是多种多样的,标注框可以是能够覆盖图形标识符的几何图形框,例如,矩形框或圆形框;标注框也可以是图形标识符的顶点所标识的区域。
步骤402,在每张渲染后的图像上标识标注框和图形标识符所标识的数据内容,得到图像集。
在实施中,计算机设备可以在每张渲染后的图像上标识标注框和图形标识符所标识的数据内容,由此,得到包含多张渲染后的图像的图像集。
本申请实施例中,计算机设备可以针对每张渲染后的图像,根据图形标识符的位置信息生成标注框,在该图像上标识标注框和图形标识符所标识的数据内容,得到图像集。由此,便于后续计算机设备在基于图像集对初始识别模型进行训练的过程中,通过比对该图像中图形标识符的位置信息、图形标识符的数据内容和初始识别模型的识别结果,对训练过程进行控制,优化图形标识符识别模型,提高图形标识符识别模型识别图形标识符的准确率。
本申请实施例中,图像集可以用于对初始识别模型进行训练,得到图形标识符识别模型,以便计算机设备基于图形识别符识别模型识别包含图像中的图形识别符。
可选的,在生成图像集后,计算机设备可以基于图像集对初始识别模型进行训练,即:将图像集中的每个图像输入至初始识别模型中,得到识别结果;将识别结果与预先标定的该图像所包含图形标识符的标注信息进行比较,得到差异信息;基于差异信息,调整初始识别模型的参数,直至初始识别模型的迭代次数达到预设次数,或,差异信息小于预设阈值,停止训练,得到图形标识符识别模型。
计算机设备基于图像集训练初始识别模型的具体实现方式可以采用相关技术中任一种模型训练方式,在此不做限定。
本申请实施例中,将对图像集中图像输入识别模型得到的输出,与预先标定的该图像所包含图形标识符的标注信息进行比较,得到用于表示准确度的差异信息,以准确度为训练结束的基准,由此,能够提升图形标识符识别模型的识别准确率。
在基于图像集对初始识别模型进行训练,得到图形标识符识别模型后,可以执行:将图形标识符识别模型加载至二维码扫描仪、手机或机器人,其中,图形标识符识别模型用于对输入二维码扫描仪、手机或机器人的待识别图像进行识别,识别出待识别图像中的图形标识符。
训练得到图形标识符识别模型后,可以将图形标识符识别模型加载至二维码扫描仪、手机、机器人等用于识别图形标识符的识别设备,具体由识别设备的CPU、GPU等运行图形标识符识别模型,图形标识符识别模型可以对待识别图像中的图形标识符进行识别,将待识别图像输入图形标识符识别模型,可以直接识别出待识别图像中的图形标识符,具体的可识别出待识别图像中包含什么类型的图形标识符、图形标识符在待识别图像中的什么位置以及图形标识符的内容是什么等。
上述识别结果所包含的标注信息可以是多种多样的,例如,识别结果可以包括图形标识符所标识的数据内容和/或图形标识符的位置信息,本申请实施例不作具体限定。
如图2f所示,为本申请实施例提供的一种标识有识别结果的图像的示意图,其中,图中以标注框的形式标注有图形标识符的位置信息,和图形标识符所标识的数据内容“7853243244”。
本申请实施例还提供了一种图像集生成装置,如图5所示,所述装置包括:
第一获取模块510,用于获取至少一个渲染参数组,其中,一个渲染参数组包含至少一种与图形标识符相关的渲染参数;
渲染模块520,用于针对每个渲染参数组,基于该渲染参数组包含的渲染参数对包含图形标识符的初始图像进行渲染,得到渲染后的图像;
第二获取模块530,用于针对所述渲染后的图像,获取该图像中所述图形标识符的标注信息;
自动标注模块540,用于对应存储每张渲染后的图像、该图像中所述图形标识符的标注信息,得到图像集。
可选的,渲染参数包括用于表示图形标识符所处环境的环境参数、用于表示图形标识符的图像特征的图像特征参数;
渲染模块520,可以包括:
创建子模块,用于针对每个渲染参数组,通过预设的渲染算法和该渲染参数组包含的环境参数,创建图形标识符所处场景;
渲染子模块,用于通过渲染算法和该渲染参数组包含的图像特征参数,渲染包含图形标识符的初始图像,得到渲染后的图形标识符;
第一生成子模块,用于生成包含渲染后的图形标识符的场景的图像,作为渲染后的图像。
可选的,场景可以为三维场景,渲染后的图像为包含渲染后的图形标识符的三维图像。
可选的,图像特征参数可以包括:用于表示图形标识符的材质的材质参数、用于表示图形标识符的形态的形态参数,其中,形态包括铺平、褶皱、破损、脏污、反光中的至少一种,形态参数包括褶皱位置、褶皱状态、破损位置、破损状态、脏污位置、脏污程度、反光光斑在图形标识符上的位置、反光光斑的状态中的至少一种。
可选的,标注信息可以包含位置信息、图形标识符所标识的数据内容;
自动标注模块540,可以包括:
第二生成子模块,用于针对每张渲染后的图像,根据图形标识符的位置信息生成标注框;
标注子模块,用于在每张渲染后的图像上标识标注框和图形标识符所标识的数据内容,得到图像集。
可选的,该装置还可以包括:
训练模块,用于将图像集中的每个图像输入至初始识别模型中,得到识别结果;将识别结果与预先标定的该图像所包含图形标识符的标注信息进行比较,得到差异信息;基于差异信息,调整初始识别模型的参数,直至初始识别模型的迭代次数达到预设次数,或,差异信息小于预设阈值,停止训练,得到图形标识符识别模型。
可选的,该装置还可以包括:
加载模块,用于将图形标识符识别模型加载至二维码扫描仪、手机或机器人,其中,图形标识符识别模型用于对输入二维码扫描仪、手机或机器人的待识别图像进行识别,识别出待识别图像中的图形标识符。
本申请实施例提供的一种图像集生成装置,可以获取至少一个渲染参数组,其中,一个渲染参数组包含至少一种与图形标识符相关的渲染参数;针对每个渲染参数组,基于该渲染参数组包含的渲染参数对包含图形标识符的初始图像进行渲染,得到渲染后的图像;针对渲染后的图像,获取该图像中图形标识符的标注信息,对应存储每张渲染后的图像、该图像中图形标识符的标注信息,得到图像集。由于通过至少一个渲染参数组的渲染参数对包含图形标识符的初始图像进行渲染,能够自动得到多张包含图形标识符的图像,之后,只需对应存储渲染后的图像和该图像中图形标识符的标注信息,即可生成图像集,因此,能够快速生成图像集。
本申请实施例还提供了一种计算机设备,如图6所示,可以包括处理器601和机器可读存储介质602,机器可读存储介质602存储有能够被处理器601执行的机器可执行指令,处理器601被机器可执行指令促使实现如下步骤:
获取至少一个渲染参数组,其中,一个渲染参数组包含至少一种与图形标识符相关的渲染参数;
针对每个渲染参数组,基于该渲染参数组包含的渲染参数对包含图形标识符的初始图像进行渲染,得到渲染后的图像;
针对渲染后的图像,获取该图像中图形标识符的标注信息;
对应存储每张渲染后的图像、该图像中图形标识符的标注信息,得到图像集。
可选的,渲染参数可以包括用于表示图形标识符所处环境的环境参数、用于表示图形标识符的图像特征的图像特征参数;
处理器610在实现针对每个渲染参数组,基于该渲染参数组包含的渲染参数对包含图形标识符的初始图像进行渲染,得到渲染后的图像时,具体可以实现:
针对每个渲染参数组,通过预设的渲染算法和该渲染参数组包含的环境参数,创建图形标识符所处场景;
通过渲染算法和该渲染参数组包含的图像特征参数,渲染包含图形标识符的初始图像,得到渲染后的图形标识符;
生成包含渲染后的图形标识符的场景的图像,作为渲染后的图像。
可选的,场景可以为三维场景,渲染后的图像为包含渲染后的图形标示符的三维图像。
可选的,图像特征参数可以包括:用于表示图形标识符的材质的材质参数、用于表示图形标识符的形态的形态参数,其中,形态包括铺平、褶皱、破损、脏污、反光中的至少一种,形态参数包括褶皱位置、褶皱状态、破损位置、破损状态、脏污位置、脏污程度、反光光斑在图形标识符上的位置、反光光斑的状态中的至少一种。
可选的,标注信息可以包含位置信息、图形标识符所标识的数据内容;
处理器601在实现对应存储每张渲染后的图像、该图像中图形标识符的标注信息,得到图像集时,具体可以实现:
针对每张渲染后的图像,根据图形标识符的位置信息生成标注框;
在每张渲染后的图像上标识标注框和图形标识符所标识的数据内容,得到图像集。
可选的,处理器601还可以实现:
将图像集中的每个图像输入至初始识别模型中,得到识别结果;
将识别结果与预先标定的该图像所包含图形标识符的标注信息进行比较,得到差异信息;
基于差异信息,调整初始识别模型的参数,直至初始识别模型的迭代次数达到预设次数,或,差异信息小于预设阈值,停止训练,得到图形标识符识别模型。
可选的,处理器601还可以实现:
将图形标识符识别模型加载至二维码扫描仪、手机或机器人,其中,图形标识符识别模型用于对输入二维码扫描仪、手机或机器人的待识别图像进行识别,识别出待识别图像中的图形标识符。
上述机器可读存储介质可以包括RAM(Random Access Memory,随机存取存储器),也可以包括NVM(Non-Volatile Memory,非易失性存储器),例如至少一个磁盘存储器。可选的,机器可读存储介质还可以是至少一个位于远离上述处理器的存储装置。
上述处理器可以是通用处理器,包括CPU(Central Processing Unit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(Digital Signal Processing,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
机器可读存储介质602与处理器601之间可以通过有线连接或者无线连接的方式进行数据传输,并且计算机设备可以通过有线通信接口或者无线通信接口与其他的设备进行通信。图6所示的仅为处理器601与机器可读存储介质602之间通过总线进行数据传输的示例,不作为具体连接方式的限定。
本申请实施例还提供了一种机器可读存储介质,存储有机器可执行指令,在被处理器调用和执行时,实现上述图像集生成方法。
在本申请提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中的图像集生成方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、DSL(Digital Subscriber Line,数字用户线))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如软盘、硬盘、磁带)、光介质(例如DVD(DigitalVersatile Disc,数字多功能光盘))、或者半导体介质(例如SSD(Solid State Disk,固态硬盘))等。
本申请实施例还提供了一种识别器,如图7所示,可以包括图像传感器701和处理器702;
图像传感器701,用于采集包含图形标识符的待识别图像;
处理器702,用于加载利用图像集训练得到的图形标识符识别模型,其中,图像集中的图像为基于至少一个渲染参数对包含图形标识符的初始图像进行渲染得到的;通过图形标识符识别模型,识别待识别图像中的图形标识符。
可选的,渲染参数可以包括用于表示图像标识符所处环境的环境参数、用于表示图形标识符的图像特征的图像特征参数;
图像特征参数可以包括:用于表示图形标识符的材质的材质参数、用于表示图形标识符的形态的形态参数,其中,形态包括铺平、褶皱、破损、脏污、反光中的至少一种,形态参数包括褶皱位置、褶皱状态、破损位置、破损状态、脏污位置、脏污状态、反光光斑在图形标识符上的位置、反光光斑的状态中的至少一种。
基于至少一个渲染参数渲染得到包含图形标识符的图像集可以快速生成,利用图像集中的图像训练图形标识符识别模型,图形标识符识别模型加载在识别器上,CPU、GPU等处理器通过图形标识符识别模型,对待识别图像中的图形标识符进行识别,可以直接识别出待识别图像中的图形标识符,图形标识符的识别过程快速可靠。
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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例、计算机设备、机器可读存储介质以及包含指令的计算机程序产品而言,由于其基本相似于方法实施例,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。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
Claims (16)
1.一种图像集生成方法,其特征在于,所述方法包括:
获取至少一个渲染参数组,其中,一个所述渲染参数组包含至少一种与图形标识符相关的渲染参数;
针对每个渲染参数组,基于该渲染参数组包含的渲染参数对包含所述图形标识符的初始图像进行渲染,得到渲染后的图像;
针对所述渲染后的图像,获取该图像中所述图形标识符的标注信息;
对应存储每张渲染后的图像、该图像中所述图形标识符的标注信息,得到图像集。
2.根据权利要求1所述的方法,其特征在于,所述渲染参数包括用于表示所述图形标识符所处环境的环境参数、用于表示所述图形标识符的图像特征的图像特征参数;
所述针对每个渲染参数组,基于该渲染参数组包含的渲染参数对包含所述图形标识符的初始图像进行渲染,得到渲染后的图像,包括:
针对每个渲染参数组,通过预设的渲染算法和该渲染参数组包含的环境参数,创建所述图形标识符所处场景;
通过所述渲染算法和该渲染参数组包含的图像特征参数,渲染包含所述图形标识符的初始图像,得到渲染后的图形标识符;
生成包含所述渲染后的图形标识符的场景的图像,作为渲染后的图像。
3.根据权利要求2所述的方法,其特征在于,所述场景为三维场景,所述渲染后的图像为包含所述渲染后的图形标示符的三维图像。
4.根据权利要求2所述的方法,其特征在于,所述图像特征参数包括:用于表示所述图形标识符的材质的材质参数、用于表示所述图形标识符的形态的形态参数,其中,所述形态包括铺平、褶皱、破损、脏污、反光中的至少一种,所述形态参数包括褶皱位置、褶皱状态、破损位置、破损状态、脏污位置、脏污状态、反光光斑在图形标识符上的位置、反光光斑的状态中的至少一种。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述标注信息包含位置信息、所述图形标识符所标识的数据内容;
所述对应存储每张渲染后的图像、该图像中所述图形标识符的标注信息,得到图像集,包括:
针对每张渲染后的图像,根据所述图形标识符的位置信息生成标注框;
在每张渲染后的图像上标识所述标注框和所述图形标识符所标识的数据内容,得到图像集。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述图像集中的每个图像输入至初始识别模型中,得到识别结果;
将所述识别结果与预先标定的该图像所包含图形标识符的标注信息进行比较,得到差异信息;
基于所述差异信息,调整所述初始识别模型的参数,直至所述初始识别模型的迭代次数达到预设次数,或,所述差异信息小于预设阈值,停止训练,得到图形标识符识别模型。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
将所述图形标识符识别模型加载至二维码扫描仪、手机或机器人,所述图形标识符识别模型用于对输入所述二维码扫描仪、所述手机或所述机器人的待识别图像进行识别,识别出所述待识别图像中的图形标识符。
8.一种图像集生成装置,其特征在于,所述装置包括:
第一获取模块,用于获取至少一个渲染参数组,其中,一个所述渲染参数组包含至少一种与图形标识符相关的渲染参数;
渲染模块,用于针对每个渲染参数组,基于该渲染参数组包含的渲染参数对包含所述图形标识符的初始图像进行渲染,得到渲染后的图像;
第二获取模块,用于针对所述渲染后的图像,获取该图像中所述图形标识符的标注信息;
自动标注模块,用于对应存储每张渲染后的图像、该图像中所述图形标识符的标注信息,得到图像集。
9.根据权利要求8所述的装置,其特征在于,所述渲染参数包括用于表示所述图形标识符所处环境的环境参数、用于表示所述图形标识符的图像特征的图像特征参数;
所述渲染模块包括:
创建子模块,用于针对每个渲染参数组,通过预设的渲染算法和该渲染参数组包含的环境参数,创建所述图形标识符所处场景;
渲染子模块,用于通过所述渲染算法和该渲染参数组包含的图像特征参数,渲染包含所述图形标识符的初始图像,得到渲染后的图形标识符;
第一生成子模块,用于生成包含所述渲染后的图形标识符的场景的图像,作为渲染后的图像。
10.根据权利要求9所述的装置,其特征在于,所述场景为三维场景,所述渲染后的图像为包含所述渲染后的图形标识符的三维图像。
11.根据权利要求9所述的装置,其特征在于,所述图像特征参数包括:用于表示所述图形标识符的材质的材质参数、用于表示所述图形标识符的形态的形态参数,其中,所述形态包括铺平、褶皱、破损、脏污、反光中的至少一种,所述形态参数包括褶皱位置、褶皱状态、破损位置、破损状态、脏污位置、脏污状态、反光光斑在图形标识符上的位置、反光光斑的状态中的至少一种。
12.根据权利要求8-11任一项所述的装置,其特征在于,所述标注信息包含位置信息、所述图形标识符所标识的数据内容;
所述自动标注模块包括:
第二生成子模块,用于针对每张渲染后的图像,根据所述图形标识符的位置信息生成标注框;
标注子模块,用于在每张渲染后的图像上标识所述标注框和所述图形标识符所标识的数据内容,得到图像集。
13.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,用于将所述图像集中的每个图像输入至初始识别模型中,得到识别结果;将所述识别结果与预先标定的该图像所包含图形标识符的标注信息进行比较,得到差异信息;基于所述差异信息,调整所述初始识别模型的参数,直至所述初始识别模型的迭代次数达到预设次数,或,所述差异信息小于预设阈值,停止训练,得到图形标识符识别模型。
14.根据权利要求13所述的装置,其特征在于,所述装置还包括:
加载模块,用于将所述图形标识符识别模型加载至二维码扫描仪、手机或机器人,所述图形标识符识别模型用于对输入所述二维码扫描仪、所述手机或所述机器人的待识别图像进行识别,识别出所述待识别图像中的图形标识符。
15.一种识别器,其特征在于,包括图像传感器和处理器;
所述图像传感器,用于采集包含图形标识符的待识别图像;
所述处理器,用于加载利用图像集训练得到的图形标识符识别模型,其中,所述图像集中的图像为基于至少一个渲染参数对包含图形标识符的初始图像进行渲染得到的;通过所述图形标识符识别模型,识别所述待识别图像中的图形标识符。
16.根据权利要求15所述的识别器,其特征在于,所述渲染参数包括用于表示所述图像标识符所处环境的环境参数、用于表示所述图形标识符的图像特征的图像特征参数;
所述图像特征参数包括:用于表示所述图形标识符的材质的材质参数、用于表示所述图形标识符的形态的形态参数,其中,所述形态包括铺平、褶皱、破损、脏污、反光中的至少一种,所述形态参数包括褶皱位置、褶皱状态、破损位置、破损状态、脏污位置、脏污状态、反光光斑在图形标识符上的位置、反光光斑的状态中的至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910892321.XA CN112541512B (zh) | 2019-09-20 | 2019-09-20 | 一种图像集生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910892321.XA CN112541512B (zh) | 2019-09-20 | 2019-09-20 | 一种图像集生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112541512A true CN112541512A (zh) | 2021-03-23 |
CN112541512B CN112541512B (zh) | 2023-06-02 |
Family
ID=75012265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910892321.XA Active CN112541512B (zh) | 2019-09-20 | 2019-09-20 | 一种图像集生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112541512B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113342527A (zh) * | 2021-06-09 | 2021-09-03 | 炫我信息技术(北京)有限公司 | 用于渲染的方法、装置、电子设备和计算机可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102902710A (zh) * | 2012-08-08 | 2013-01-30 | 成都理想境界科技有限公司 | 基于条形码的增强现实方法、系统及移动终端 |
CN103941716A (zh) * | 2014-05-13 | 2014-07-23 | 北京世纪微熵科技有限公司 | 建筑设备监控方法、装置和系统 |
CN104134230A (zh) * | 2014-01-22 | 2014-11-05 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置及计算机设备 |
CN105393282A (zh) * | 2013-05-15 | 2016-03-09 | 谷歌公司 | 图形元素的有效合成和渲染 |
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 |
CN108460301A (zh) * | 2018-01-03 | 2018-08-28 | 阿里巴巴集团控股有限公司 | 扫码模块的性能测试装置及方法 |
CN109242943A (zh) * | 2018-08-21 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 一种图像渲染方法、装置及图像处理设备、存储介质 |
CN109360261A (zh) * | 2018-09-28 | 2019-02-19 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
US20190272027A1 (en) * | 2015-10-17 | 2019-09-05 | Arivis Ag | Direct volume rendering in virtual and/or augmented reality |
-
2019
- 2019-09-20 CN CN201910892321.XA patent/CN112541512B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102902710A (zh) * | 2012-08-08 | 2013-01-30 | 成都理想境界科技有限公司 | 基于条形码的增强现实方法、系统及移动终端 |
CN105393282A (zh) * | 2013-05-15 | 2016-03-09 | 谷歌公司 | 图形元素的有效合成和渲染 |
CN104134230A (zh) * | 2014-01-22 | 2014-11-05 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置及计算机设备 |
CN103941716A (zh) * | 2014-05-13 | 2014-07-23 | 北京世纪微熵科技有限公司 | 建筑设备监控方法、装置和系统 |
US20190272027A1 (en) * | 2015-10-17 | 2019-09-05 | Arivis Ag | Direct volume rendering in virtual and/or augmented reality |
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 |
CN108460301A (zh) * | 2018-01-03 | 2018-08-28 | 阿里巴巴集团控股有限公司 | 扫码模块的性能测试装置及方法 |
CN109242943A (zh) * | 2018-08-21 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 一种图像渲染方法、装置及图像处理设备、存储介质 |
CN109360261A (zh) * | 2018-09-28 | 2019-02-19 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113342527A (zh) * | 2021-06-09 | 2021-09-03 | 炫我信息技术(北京)有限公司 | 用于渲染的方法、装置、电子设备和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112541512B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113693325B (zh) | 用于定制产品数字标记的系统和方法 | |
US9349076B1 (en) | Template-based target object detection in an image | |
US20170255450A1 (en) | Spatial cooperative programming language | |
US10304206B2 (en) | Selecting feature patterns and corresponding layout positions for viewpoint measurement | |
US11455773B2 (en) | Image processing method and device | |
CN108121982B (zh) | 面单图像的获取方法及装置 | |
CN109584377B (zh) | 一种用于呈现增强现实内容的方法与设备 | |
CN113689578A (zh) | 一种人体数据集生成方法及装置 | |
WO2018213702A1 (en) | Augmented reality system | |
KR20110042474A (ko) | 증강현실을 이용한 제품정보 제공시스템 및 그 제공방법 | |
EP3905103A1 (en) | Illumination detection method and apparatus for facial image, and device and storage medium | |
US11769308B2 (en) | Systems and methods of augmented reality guided image capture | |
CN108597034B (zh) | 用于生成信息的方法和装置 | |
CN110942092B (zh) | 一种图形图像识别方法及识别系统 | |
CN112541512B (zh) | 一种图像集生成方法及装置 | |
CN112950759B (zh) | 基于房屋全景图的三维房屋模型构建方法及装置 | |
CN109147001A (zh) | 一种用于呈现虚拟指甲的方法与设备 | |
CN112819940B (zh) | 渲染方法、装置和电子设备 | |
CN113486941B (zh) | 直播图像的训练样本生成方法、模型训练方法及电子设备 | |
CN114494659A (zh) | 一种图像显示方法、装置、ar头戴设备及存储介质 | |
CN114332203A (zh) | 一种虚拟光源的光源信息确定方法和装置 | |
Tybusch et al. | Color-based and recursive fiducial marker for augmented reality | |
CN113516131A (zh) | 图像处理方法、装置、设备和存储介质 | |
US8659600B2 (en) | Generating vector displacement maps using parameterized sculpted meshes | |
CN113496142A (zh) | 物流件的体积测量方法以及装置 |
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 |