图像训练样本生成方法和装置制造方法及图纸

本申请公开了一种图像训练样本生成方法和装置，属于计算机视觉领域。本申请通过对获取的目标对象的三维纹理模型进行模型变换，可以得到多个三维变换模型，再生成每个三维变换模型对应的一个或多个二维图像，这样，可以得到大量的与目标对象类似的图像训练样本。也即是，本方案可以快速地自动生成大量满足需求的图像训练样本，节省了人力和时间成本。并且由于本方案中的图像训练样本是根据目标对象的三维纹理模型得到的，因此，这些图像训练样本与目标对象属于同一类型且逼真度较高。这样，相比于从互联网上抓取的图像训练样本，可以简化样本处理过程，减轻人工操作引入的样本质量下降的问题，有利于后续对深度学习网络的训练。

【技术实现步骤摘要】
图像训练样本生成方法和装置
本申请涉及计算机视觉(ComputerVision，CV)领域，特别涉及一种图像训练样本生成方法和装置。
技术介绍
当前深度学习技术广泛应用于CV领域，为了增强深度学习网络的泛化能力、降低深度学习网络的过拟合性，通常需要使用海量的图像训练样本对深度学习网络进行训练，而如何获取海量的图像训练样本成为深度学习技术应用于CV领域中亟待解决的问题。在相关技术中，可以通过相机采集图像或者从互联网上抓取图像的方法获取图像训练样本。但是，由于相机采集的方法受限于硬件、人力成本等，因此想要获取足够量级的图像，获取周期漫长。而从互联网上抓取的图像，大部分无法直接使用，需要依赖人工对抓取的图像进行清洗、标注等样本增强工作，时间成本和人力成本也很高，且人工操作可能会导致样本质量下降，影响深度学习网络的训练。
技术实现思路
本申请提供了一种图像训练样本生成方法和装置，可以节省获取图像训练样本的时间成本和人力成本，且可以提高样本质量。所述技术方案如下：一方面，提供了一种图像训练样本生成方法，所述方法包括：<本文档来自技高网...

【技术保护点】
1.一种图像训练样本生成方法，其特征在于，所述方法包括：/n获取目标对象的三维纹理模型；/n对所述三维纹理模型进行模型变换，得到多个三维变换模型，所述模型变换包括模型形变和纹理变换中的至少一种；/n生成所述多个三维变换模型中每个三维变换模型对应的一个或多个二维图像，将生成的二维图像作为图像训练样本。/n

【技术特征摘要】
1.一种图像训练样本生成方法，其特征在于，所述方法包括：
获取目标对象的三维纹理模型；
对所述三维纹理模型进行模型变换，得到多个三维变换模型，所述模型变换包括模型形变和纹理变换中的至少一种；
生成所述多个三维变换模型中每个三维变换模型对应的一个或多个二维图像，将生成的二维图像作为图像训练样本。


2.根据权利要求1所述的方法，其特征在于，所述获取目标对象的三维纹理模型，包括：
创建所述目标对象的三维模型；
根据所述目标对象的纹理，对所述三维模型进行纹理映射，得到所述三维纹理模型。


3.根据权利要求1所述的方法，其特征在于，当所述模型变换包括所述纹理变换时，所述对所述三维纹理模型进行模型变换，得到多个三维变换模型，包括：
对所述三维纹理模型进行语义分割，得到多个局部特征区域，所述多个局部特征区域中的每个局部特征区域对应一个语义；
根据所述多个局部特征区域对应的语义，从存储的多个纹理素材中，获取每个局部特征区域对应的多个目标纹理素材；
根据所述多个局部特征区域分别对应的多个目标纹理素材，对所述三维纹理模型进行纹理变换，得到所述多个三维变换模型。


4.根据权利要求1所述的方法，其特征在于，当所述模型变换包括所述模型形变时，所述对所述三维纹理模型进行模型变换，得到多个三维变换模型，包括：
获取多组结构编辑参数；
根据所述多组结构编辑参数，分别对所述三维纹理模型的几何结构进行编辑，得到所述多个三维变换模型。


5.根据权利要求1-4任一所述的方法，其特征在于，所述生成所述多个三维变换模型中的每个三维变换模型对应的一个或多个二维图像，包括：
获取参考相机参数；
根据所述参考相机参数，从一个或多个不同的视角方向，对每个三维变换模型进行投影，得到相应三维变换模型对应的一个或多个二维图像。


6...

【专利技术属性】
技术研发人员：许娅彤，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江;33