一种图像处理方法及装置和冰箱制造方法及图纸

本发明专利技术的实施例公开一种图像处理方法及装置和冰箱，涉及图像处理领域，能够减少通过直接采样的方式获取采样物体的图像的数量，从而缩短图像识别模型的训练周期。该方法包括：获取在第一场景中采集的第一样本图像中第一采样物体的图像，第一采样物体的图像标注有第一采样物体的标注信息；获取在第二场景中采集的第二样本图像中第二采样物体的图像，对第二采样物体的图像设置对应第二采样物体的标注信息；根据第二采样物体的图像对第一采样物体的图像进行风格转换生成转化图像；根据转化图像进行深度学习训练图像识别模型，图像识别模型用于对在第二场景中采集的图像中的物体进行图像识别。

【技术实现步骤摘要】
一种图像处理方法及装置和冰箱
本专利技术的实施例涉及图像处理领域，尤其涉及一种图像处理方法及装置和冰箱。
技术介绍
现有的智能冰箱大多数利用深度学习进行食材的识别，在识别食材的过程中，需要通过采样的方式获取训练样本，以训练图像识别模型。具体的采样过程包括:通过对冰箱内部拍照获取样本图像，在样本图像中获得采样食物的图像作为训练样本。以冰箱识别食材数目为300种为例，每个样本(采样食物)的训练样本需要2000张，那么就需要采集60万张的训练样本。这样庞大的训练样本采集完了后，还要有专门的数据标注团队对采样食物的食材进行标注，标注食材数据花费的时间比采集数据花费的时间用时更久。因此在短期内完成是不可能的任务，并且采集和标注食材数据耗时耗力，并且需要大量的资金支持，图像识别模型的训练周期较长，因此智能冰箱的研发周期相当费时，一般是两年以上。
技术实现思路
本专利技术的实施例提供一种图像处理方法及装置和冰箱，能够减少通过直接采样的方式获取采样物体的图像的数量，从而缩短图像识别模型的训练周期。第一方面，提供一种图像处理方法，其特征在于，包括：获取在第一场景中采集的第一样本图像，所述第一样本图像中包含第一采样物体；获取所述第一采样物体的图像，其中所述第一采样物体的图像标注有所述第一采样物体的标注信息；获取在第二场景中采集的第二样本图像，所述第二样本图像中包含第二采样物体；在所述第二样本图像中获取第二采样物体的图像，对所述第二采样物体的图像设置对应所述第二采样物体的标注信息；根据所述第二采样物体的图像对所述第一采样物体的图像进行风格转换生成转化图像；根据所述转化图像进行深度学习训练图像识别模型，其中所述图像识别模型用于对在所述第二场景中采集的图像中的物体进行图像识别。上述方案中，图像处理装置可以获取在第一场景中采集的第一样本图像，第一样本图像中包含第一采样物体；获取第一采样物体的图像，第一采样物体的图像标注有第一采样物体的标注信息；然后图像处理装置获取在第二场景中采集的第二样本图像，第二样本图像中包含第二采样物体；在第二样本图像中获取第二采样物体的图像，对所述第二采样物体的图像设置对应所述第二采样物体的标注信息；根据所述第二采样物体的图像对所述第一采样物体的图像进行风格转换生成转化图像；根据所述转化图像进行深度学习训练图像识别模型，其中所述图像识别模型用于对在所述第二场景中采集的图像中的物体进行图像识别。由于第一场景中的第一采样物体的图像已经包含标注信息，因此可以直接将第一采样物体的图像进行风格转换应用于第二场景中采样物体的图像识别，而本专利技术中仅需要针对第一采样物体的图像进行风格转换时在采集的部分第二样本图像中获取第二采样物体的图像并设置标注信息，相对于全部重新采集样本图像以获取第二采样物体的图像训练样本库训练图像识别模型，可以降低在第二场景中通过采集第二样本图像获取第二采样物体的数量，从而避免了对第二场景中获取大量的训练样本的标注，因此本专利技术能够减少通过直接采样的方式获取采样物体的图像的数量，从而缩短图像识别模型的训练周期。第二方面，提供一种图像处理装置，包括：获取模块，用于获取在第一场景中采集的第一样本图像，所述第一样本图像中包含第一采样物体；处理模块，用于获取所述第一采样物体的图像，其中所述第一采样物体的图像标注有所述第一采样物体的标注信息；所述获取模块，还用于获取在第二场景中采集的第二样本图像，所述第二样本图像中包含第二采样物体；所述处理模块，还用于在所述第二样本图像中获取第二采样物体的图像，对所述第二采样物体的图像设置对应所述第二采样物体的标注信息；所述处理模块，还用于根据所述第二采样物体的图像对所述第一采样物体的图像进行风格转换生成转化图像；所述处理模块，还用于根据所述转化图像进行深度学习训练图像识别模型，其中所述图像识别模型用于对在所述第二场景中采集的图像中的物体进行图像识别。第三方面，提供一种图像处理装置，包括：通信接口、处理器、存储器、总线；所述存储器用于存储计算机执行指令，所述处理器与所述存储器通过所述总线连接，当所述图像处理装置运行时，所述处理器执行所述存储器存储的计算机执行指令，以使所述图像处理装置执行上述的方法。第四方面，提供一种计算机存储介质，包括指令，当其在计算机上运行时，使得所述计算机执行如上述的方法。第五方面，提供一种冰箱，包括上述的图像处理装置，其中，所述第二场景应用于所述冰箱；所述第一场景应用于所述冰箱之外的其他冰箱。可以理解地，上述提供的任一种图像处理装置或计算机存储介质均用于执行上文所提供的第一方面对应的方法，因此，其所能达到的有益效果可参考上文第一方面的方法以及下文具体实施方式中对应的方案的有益效果，此处不再赘述。附图说明为了更清楚地说明本专利技术实施例的技术方案，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专利技术的一些实施例，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为本专利技术的实施例提供的一种图像处理方法的流程示意图；图2为本专利技术的实施例提供的现有冰箱采集的样本图像；图3为本专利技术的实施例提供的图2中梨的图像；图4为本专利技术的实施例提供的图2中火龙果的图像；图5为本专利技术的实施例提供的冰箱采集的样本图像；图6为本专利技术的实施例提供的冰箱场景中通过摄像头采集样本图像的原理示意图；图7为本专利技术的实施例提供的图2中梨的图像生成的转化图像；图8为本专利技术的实施例提供的图2中火龙果的图像生成的转化图像；图9为本专利技术的实施例提供的一种图像处理装置的结构图；图10为本专利技术的另一实施例提供的一种图像处理装置的结构图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。参照图1所示，本专利技术的实施例提供一种图像处理方法，包括：101、图像处理装置获取在第一场景中采集的第一样本图像，第一样本图像中包含第一采样物体。其中第一场景中的第一样本图像可以为存储在数据库中的大量数据，例如，对300种食材分别采集的2000张样本图像，如图2所示，示出了一种在现有冰箱的场景中采集的一张样本图像。第一采样物体可以为300中食材，在图2中第一采样物体包括梨、火龙果等。其中第一采样物体的图像用于在第一场景进行深度学习训练图像识别模型，从而对第一场景下采集的图像中的物体进行图像识别。102、图像处理装置获取第一采样物体的图像，第一采样物体的图像标注有第一采样物体的标注信息。示例性的，参照图3、4所示，第一采样物体的图像包含第一采样物体在第一样本图像中的外接区域。为降低图像识别的误差，步骤102中优先选取第一采样物体的图像中第一采样物体被遮挡的部分小于或等于预定比例的部分，示例性的预定比例为30％。103、图像处理装置获取在第二场景中采集的第二样本图像，第二样本图像中包含第二采样物体。示例性的，可以通过图像传感器在第二场景中采集第二样本图像，如图5所示，第二样本图像为本专利技术冰箱通过传感器采集的一张样本图像。104本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：获取在第一场景中采集的第一样本图像，所述第一样本图像中包含第一采样物体；获取所述第一采样物体的图像，其中所述第一采样物体的图像标注有所述第一采样物体的标注信息；获取在第二场景中采集的第二样本图像，所述第二样本图像中包含第二采样物体；在所述第二样本图像中获取第二采样物体的图像，对所述第二采样物体的图像设置对应所述第二采样物体的标注信息；根据所述第二采样物体的图像对所述第一采样物体的图像进行风格转换生成转化图像；根据所述转化图像进行深度学习训练图像识别模型，其中所述图像识别模型用于对在所述第二场景中采集的图像中的物体进行图像识别。

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取在第一场景中采集的第一样本图像，所述第一样本图像中包含第一采样物体；获取所述第一采样物体的图像，其中所述第一采样物体的图像标注有所述第一采样物体的标注信息；获取在第二场景中采集的第二样本图像，所述第二样本图像中包含第二采样物体；在所述第二样本图像中获取第二采样物体的图像，对所述第二采样物体的图像设置对应所述第二采样物体的标注信息；根据所述第二采样物体的图像对所述第一采样物体的图像进行风格转换生成转化图像；根据所述转化图像进行深度学习训练图像识别模型，其中所述图像识别模型用于对在所述第二场景中采集的图像中的物体进行图像识别。2.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述第二采样物体的图像对所述第一采样物体的图像进行风格转换生成转化图像之前，还包括：根据所述第一样本物体在所述第一样本图像中的像素位置对所述第一采样物体的图像进行缩放得到至少一个缩放图像，其中，每个所述缩放图像对应所述第二样本图像中的一个预定像素位置，每个所述缩放图像对应一个缩放比例；所述根据所述第二采样物体的图像对所述第一采样物体的图像进行风格转换生成转化图像，包括：所述根据所述第二采样物体的图像对所述缩放图像进行风格转换生成转化图像。3.根据权利要求1所述的图像处理方法，其特征在于，根据所述第二采样物体的图像对所述第一采样物体的图像进行风格转换生成转化图像，包括：根据所述第二采样物体的图像携带的所述第二场景的第二亮度信息，对所述第一采样物体的图像携带的所述第一场景的第一亮度信息进行转换生成转化图像，其中所述转化图像携带所述第二场景的第二亮度信息。4.根据权利要求1所述的图像处理方法，其特征在于，根据所述第二采样物体的图像对所述第一采样物体的图像进行风格转换生成转化图像，包括：根据所述第二采样物体的图像通过VGG19层卷积神经网络对所述第一采样物体的图像进行风格转换生成转化图像。5.根据权利要求1所述的图像处理方法，其特征在于，所述第一采样物体的图像中，所述第一采样物体被遮挡的部分小于或等于预定比例...

【专利技术属性】
技术研发人员：刘兆祥，王国栋，刘照光，
申请(专利权)人：海信山东冰箱有限公司，
类型：发明
国别省市：山东,37