确定图像数据的特征数据的方法、装置、系统及程序及存储介质制造方法及图纸

在本公开中提供一种确定图像数据的特征数据的方法、装置、系统及程序以及存储介质。其中，所述方法包括：获取图像数据的特征，所述特征包括第一特征及第二特征，其中，使用第一模型从图像数据中提取第一特征，第一模型是以机器学习方式进行训练，且使用第二模型从图像数据中提取第二特征，第二模型是基于预先配置的数据处理算法构建的；及基于第一特征及第二特征来确定特征数据。本公开解决了由人工智能识别的特征可能与人类识别的特征不一致的技术问题。

【技术实现步骤摘要】
【国外来华专利技术】确定图像数据的特征数据的方法、装置、系统及程序及存储介质
本公开涉及图像识别领域，尤其涉及一种确定图像数据的特征数据的方法、装置、系统及程序以及存储介质。
技术介绍
目前，可使用各种方法来进行图像识别，且这些方法中的一种是使用人工智能(artificialintelligence，AI)的方法。目前，人工智能(AI)技术广泛应用于包括图像识别在内的各个领域。其中，人工智能技术被应用于图像识别，以代替人类处理大量的图像信息。对人来说，图像刺激会影响感觉器官。在图像识别中，人们不仅需要进入感官的信息，还需要存储在存储器中的信息。只有通过将当前信息与存储的信息进行比较的过程，才能实现图像识别。人工智能技术可基于人类识别能力进行输出，并处理、分析及理解图像，以识别不同模式的各种目标及物体。人工智能技术可代替人类自动处理大量图像信息，以解决人类在识别方面的生理缺陷问题，从而部分地代替人脑来工作。此外，人工智能可从图像数据中提取人们不知道或生理上不能识别的特征。然而，在使用人工智能进行图像识别的情况下，人工智能识别的特征可能与人类识别的特征不一致。因此，在使用人工智能来确定图像的特征的情况下，输出对于人类来说有时可能是模糊不清的。关于上述问题，还没有提出有效的解决方案。
技术实现思路
在本公开的实施例中提供一种确定图像数据的特征数据的方法、装置、系统及程序以及存储介质，以至少解决人工智能识别的特征可能与人类识别的特征不一致的技术问题。根据本公开实施例的方面，提供一种确定图像数据的特征数据的方法，所述方法包括：获取图像数据的特征，所述特征包括第一特征及第二特征，其中，使用第一模型从所述图像数据中提取所述第一特征，所述第一模型是以机器学习方式进行训练，且使用第二模型从所述图像数据中提取第二特征，所述第二模型是基于预先配置的数据处理算法来构建的；以及基于所述第一特征及所述第二特征来确定特征数据。以这种方式，通过分别借助于经训练的人工智能机器及存储传统图像特征提取算法的计算机来获取图像数据中的特征，并且比较通过这些不同方式提取的特征之间的差异，可学习人工智能机器的训练效果。此外，在所述方法中，所述获取图像数据的特征包括以下步骤中的一者：从所述图像数据中提取所述第一特征，且从所述图像数据的所述第一特征所在的特征区域中提取所述第二特征；从所述图像数据中提取所述第二特征，且从所述图像数据的所述第二特征所在的特征区域中提取所述第一特征；以及针对全部所述图像数据提取所述第一特征及所述第二特征。以这种方式，用户可基于对识别准确性的需求自由地选择从哪个区域提取第二特征。通过串行地或并行地提取第一特征及第二特征，例如由基于人工智能的图像识别确定的特征可与人类识别的特征更加一致。此外，在所述方法中，所述基于所述第一特征及所述第二特征来确定特征数据包括：基于所述第一特征与所述第二特征的比较结果，为所述第一特征或所述第二特征分配标签以作为所述特征数据。通过为所述第一特征或所述第二特征分配标签，可帮助更清楚地显示基于不同方法确定的特征是否相同。此外，在所述方法中，所述基于所述第一特征及所述第二特征来确定特征数据包括：如果所述第一特征不同于所述第二特征，则分别为所述第一特征及所述第二特征分配第一标签及第二标签以分别作为第一特征数据及第二特征数据；以及如果所述第一特征相同于所述第二特征，则为所述第一特征或所述第二特征分配第三标签以作为第三特征数据。通过基于所述第一特征或所述第二特征的比较结果分配不同的标签，可帮助更清楚地显示基于不同方法确定的特征是否相同，并基于比较结果来输出特征数据。此外，在所述方法中，所述特征数据表征所述图像数据的颜色特征、纹理特征、形状特征或空间关系特征。通过将基于人工智能的图像识别技术与传统图像识别技术相组合，可更高效及快速地确定表征图像数据的颜色、纹理、形状或空间关系特征的特征数据。根据本公开实施例的另一方面，还提供一种确定图像数据的特征数据的装置，所述装置包括：获取区段，用于获取图像数据的特征，所述特征包括第一特征及第二特征，其中，使用第一模型从所述图像数据中提取所述第一特征，所述第一模型是以机器学习方式进行训练，且使用第二模型从所述图像数据中提取第二特征，所述第二模型是基于预先配置的数据处理算法来构建的；以及确定区段，用于基于所述第一特征及所述第二特征来确定特征数据。此外，在所述装置中，所述获取区段通过以下步骤中的一者来获取图像数据的特征：从所述图像数据中提取所述第一特征，且从所述图像数据的所述第一特征所在的特征区域中提取所述第二特征；从所述图像数据中提取所述第二特征，且从所述图像数据的所述第二特征所在的特征区域中提取所述第一特征；以及针对全部所述图像数据提取所述第一特征及所述第二特征。此外，在所述装置中，所述确定区段基于所述第一特征与所述第二特征的比较结果，为所述第一特征或所述第二特征分配标签以作为所述特征数据。此外，在所述装置中，如果所述第一特征不同于所述第二特征，则所述确定区段分别为所述第一特征及所述第二特征分配第一标签及第二标签以分别作为第一特征数据及第二特征数据；且如果所述第一特征相同于所述第二特征，则所述确定区段为所述第一特征或所述第二特征分配第三标签以作为第三特征数据。此外，在所述装置中，所述特征数据表征所述图像数据的颜色特征、纹理特征、形状特征或空间关系特征。根据本公开实施例的另一方面，还提供一种确定图像数据的特征数据的系统，所述系统包括：用于执行上述方法的处理单元；及用于输出特征数据的输出单元。根据本公开实施例的另一方面，还提供一种确定图像数据的特征数据的程序，所述程序当被执行时执行上述方法。根据本公开实施例的另一方面，还提供一种存储介质，所述存储介质上存储有程序，所述程序当被执行时执行上述方法。在本公开的实施例中，说明性目的为解决人工智能识别的特征可能与人类识别的特征不一致的技术问题。附图说明本文描述的附图用于提供对本公开的进一步理解，并且构成本申请的一部分。本公开的示意性实施例及其说明用于解释本公开，且不构成对本公开的不当限制。在附图中：图1是根据本公开实现模式的确定图像数据的特征数据的系统的硬件结构。图2是根据本公开第一实施例的确定图像数据的特征数据的可选方法的示意图。图3是根据本公开第二实施例的确定图像数据的特征数据的可选方法的示意图。图4是根据本公开第三实施例的确定图像数据的特征数据的可选方法的示意图。图5是根据本公开第一实施例的确定图像数据的特征数据的可选装置的示意图。图6是根据本公开第二实施例的确定图像数据的特征数据的可选装置的示意图。图7是根据本公开第三实施例的确定图像数据的特征数据的可选装置的示意图。具体实施方式为了使本领域中的技术人员更好地理解本公开的解决方案，下面参考本公开的实施例中的附图，清楚及完整地描述本公开的实施例中的本文档来自技高网...

【技术保护点】
1.一种确定图像数据的特征数据的方法，包括：/n获取所述图像数据的特征，所述特征包括第一特征及第二特征，其中，使用第一模型从所述图像数据中提取所述第一特征，所述第一模型是以机器学习方式来训练，且使用第二模型从所述图像数据中提取所述第二特征，所述第二模型是基于预先配置的数据处理算法构建的；及/n基于所述第一特征及所述第二特征来确定所述特征数据。/n

【技术特征摘要】
【国外来华专利技术】1.一种确定图像数据的特征数据的方法，包括：
获取所述图像数据的特征，所述特征包括第一特征及第二特征，其中，使用第一模型从所述图像数据中提取所述第一特征，所述第一模型是以机器学习方式来训练，且使用第二模型从所述图像数据中提取所述第二特征，所述第二模型是基于预先配置的数据处理算法构建的；及
基于所述第一特征及所述第二特征来确定所述特征数据。


2.根据权利要求1所述的方法，其中，所述获取所述图像数据的特征包括以下步骤中的一者：
从所述图像数据中提取所述第一特征，且从所述图像数据的所述第一特征所在的特征区域中提取所述第二特征；
从所述图像数据中提取所述第二特征，且从所述图像数据的所述第二特征所在的特征区域中提取所述第一特征；以及
针对全部所述图像数据提取所述第一特征及所述第二特征。


3.根据权利要求1或2所述的方法，其中，所述基于所述第一特征及所述第二特征来确定所述特征数据包括：
基于所述第一特征与所述第二特征的比较结果，为所述第一特征或所述第二特征分配标签以作为所述特征数据。


4.根据权利要求1或2所述的方法，其中，所述基于所述第一特征及所述第二特征来确定所述特征数据包括：
如果所述第一特征不同于所述第二特征，则分别为所述第一特征及所述第二特征分配第一标签及第二标签以分别作为第一特征数据及第二特征数据；及
如果所述第一特征相同于所述第二特征，则为所述第一特征或所述第二特征分配第三标签以作为第三特征数据。


5.根据权利要求1或2所述的方法，其中，
所述特征数据表征所述图像数据的亮度特征、颜色特征、纹理特征、形状特征或空间关系特征。


6.一种确定图像数据的特征数据的装置，包括：
获取区段，用于获取所述图像数据的特征，所述特征包括第一特征及第二特征，其中，使用第一模型从所述图像数据中提取所述第一特征，所述第一...

【专利技术属性】
技术研发人员：栗田真嗣，
申请(专利权)人：欧姆龙株式会社，
类型：发明
国别省市：日本;JP