图像生成方法、图像生成装置以及图像生成系统制造方法及图纸

本发明专利技术的目的在于，根据矢量模型、3D模型等数据利用神经网络生成机械学习训练用的图像，并将该生成的图像用于机械学习，从而提高机械学习训练的效率、图像内物体检测的精度。为此，本发明专利技术在难以获得机械学习训练用的图像的情况下，通过结合检测对象的图像和表示期望的背景的背景图像，并应用对抗性生成网络，能够大量地生成机械学习训练用的图像。

【技术实现步骤摘要】
【国外来华专利技术】图像生成方法、图像生成装置以及图像生成系统
本专利技术涉及图像生成方法、图像生成装置以及图像生成系统。
技术介绍
近年来，在图像处理技术中，通过使用机械学习方法(深度学习等神经网络)，从所摄影的图像辨识特定的物体的检测精度得到提高。作为将这些机械学习方法进行最佳化的方法之一，有时将大量的图像作为训练用的样本(sample)而输入到系统并训练机械学习。例如，作为通过自动地收集辨识对象以及不包含辨识对象的图像图案并将这样收集的图像图案使用于机械学习从而进行高精度的图像辨识的系统，有日本特开2012-088787(专利文献1)中记载的技术。在这个公报中，有“物体追踪部从构成运动图像的各帧的图像，抽出映有辨识对象的区域。图像变换部根据针对该区域内的图像进行几何变换得到的图像，生成辨识对象样本。区域切出部针对构成运动图像的帧的图像，设定区域。图像合成部35根据所设定的各个区域内的图像中的合成多个区域得到的图像，生成非辨识对象样本图像。学习部使用辨识对象样本和非辨识对象样本，学习辨识对象。”这样的记载。现有技术文献专利文献1本文档来自技高网...

【技术保护点】
1.一种图像生成方法，包括：/n背景图像取得工序，利用图像选择部取得背景图像；/n检测对象图像确定工序，利用所述图像选择部，从源图像确定具备元数据的检测对象图像；/n模型生成工序，利用模型制作部，生成与所述检测对象图像对应的检测对象图像模型；以及/n检测对象图像确立工序，利用所述模型制作部使所述背景图像和所述检测对象图像模型结合，从而确立最终图像。/n

【技术特征摘要】
【国外来华专利技术】20180312 JP 2018-0438221.一种图像生成方法，包括：
背景图像取得工序，利用图像选择部取得背景图像；
检测对象图像确定工序，利用所述图像选择部，从源图像确定具备元数据的检测对象图像；
模型生成工序，利用模型制作部，生成与所述检测对象图像对应的检测对象图像模型；以及
检测对象图像确立工序，利用所述模型制作部使所述背景图像和所述检测对象图像模型结合，从而确立最终图像。


2.根据权利要求1所述的图像生成方法，其中，
所述元数据包括表示所述检测对象图像的位置的信息、表示所述检测对象图像的形状及大小的信息以及表示所述检测对象图像的性质的信息。


3.根据权利要求1所述的图像生成方法，其中，
所述检测对象图像模型是从矢量模型、3D模型以及点群模型选择的模型。


4.根据权利要求3所述的图像生成方法，其中，
在所述模型生成工序中，
利用所述模型制作部生成与所述检测对象图像对应的所述矢量模型的矢量模型生成工序，
利用机械学习部针对所述矢量模型实施图像处理，生成所述检测对象图像模型。


5.根据权利要求1所述的图像生成方法，其中，
所述检测对象图像确立工序通过物体识别工序、照相机参数计算工序以及结合工序来确立最终图像，
在所述物体识别工序中，从所述背景图像识别基准的物体，
在所述照相机参数计算工序中，根据所述基准的物体的尺寸要素来计算照相机参数，
在所述结合工序中，根据计算出的所述照相机参数使所述检测对象图像模型结合到所述背景图像。


6.根据权利要求1所述的图像生成方法，其中，
所述图像生成方法包括机械学习检测精度提高工序，
所述机械学习检测精度提高工序包括：
检测对象图像确定训练工序，为了使第1神经网络最佳化，将与所述检测对象图像模型关联起来的元数据提供给所述第1神经网络，根据所述元数据，使所述第1神经网络从作为对象的图像中确定所述检测对象图像；
确定精度计算工序，根据检测对象图像确定训练工序的结果，计算确定精度；以及
确定精度判定工序，通过将所述确定精度与预定的确定精度基准进行比较，在所述确定精度未达到所述预定的确定精度基准的情况下，决定重复所述检测对象图像确定训练工序。


7.根据权利要求1所述的图像生成方法，其中，
所述图像生成方法包括机械学习图像制作能力提高工序，
所述机械学习图像制作能力提高工序包括：
制作图像制作工序，将基本图像输入到第2神经网络，根据所述基本图像...

【专利技术属性】
技术研发人员：M·克林凯特，小味弘典，垂井俊明，村上智一，
申请(专利权)人：日立产业控制解决方案有限公司，
类型：发明
国别省市：日本;JP