一种用于机器学习的样本数据生成系统技术方案

本公开涉及一种用于机器学习的样本数据生成系统。包括：显示装置，用于展示目标对象；运动装置，用于承载所述显示装置进行运动；摄像装置，用于采集运动中的所述目标对象的目标图像；测速装置，用于获取所述运动装置的运动速度；以及处理装置，用于获取所述目标对象的类别和当前时间，并根据所述运动速度和所述当前时间确定所述目标对象的当前位置，并基于所述类别、所述当前位置以及所述目标图像生成用于机器学习的样本数据。本公开涉及的用于机器学习的样本数据生成系统，能够在空间要求较低的情况下以简单快捷的方式获取高速移动的图像数据，还能够以自动、高效的方式对图像数据进行标注以生成用于机器学习的样本数据，标注效率高。

【技术实现步骤摘要】
一种用于机器学习的样本数据生成系统
本公开涉及计算机信息处理领域，具体而言，涉及一种用于机器学习的样本数据生成系统。
技术介绍
要构建基于深度学习技术的视觉系统，不可避免需要进行数据采集、数据清洗、深度网络训练、数据后处理等一系列流程，而数据采集是整个流程中的第一步，也是极为关键的一步。近年来，计算机视觉相关系统已经相对成熟，尤其是在目标检测与识别方面，对于静态物体或低速移动物体的检测与识别都已经达到了较高的水平。然而对于一些针对较高速移动目标的检测与识别任务，例如无人驾驶汽车躲避突然闯入视野的行人、无人机快速避障、工厂高速齿轮故障检测等，依然存在很多困难，这有很大一部分原因在于高速移动的图像数据采集困难、无法或很难采集到高质量的数据，就算能够进行数据采集、数据采集与标注工作通常也费时费力。因此，需要一种新的用于机器学习的样本数据生成系统。在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
有鉴于此，本公开提供一种用于机器学习的样本数据生成系统，能够在空间要求较低的情况下以简单快捷的方式获取高速移动图像数据，还能够以自动、高效的方式对图像数据进行标注以生成用于机器学习的样本数据，标注效率高。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的一方面，提出一种用于机器学习的样本数据生成系统，该系统包括：显示装置，用于展示目标对象；运动装置，用于承载所述显示装置进行运动；摄像装置，用于生成运动中的所述目标对象的目标图像；测速装置，用于获取所述运动装置的运动速度；以及处理装置，用于获取所述目标对象的类别和当前时间，并根据所述运动速度和所述当前时间确定所述目标对象的当前位置，并基于所述类别、所述当前位置以及所述目标图像生成用于机器学习的样本数据。在本公开的一种示例性实施例中，所述显示装置，包括：显示屏，用于展示所述目标对象；以及显示屏控制器，用于确定所述目标对象的类别，并控制所述显示屏显示所述目标对象。在本公开的一种示例性实施例中，所述显示屏控制器，用于在控制所述显示屏显示所述目标对象时，将所述目标对象的类别发送至所述处理装置；所述摄像装置，用于将采集到的所述目标对象的目标图像发送至所述处理装置；所述处理装置，用于接收所述显示屏控制器发送的目标对象的类别以及所述摄像装置发送的所述目标对象的目标图像，根据所述运动速度和所述当前时间确定所述目标对象的当前位置，并基于所述类别、所述当前位置以及所述目标图像生成用于机器学习的样本数据。在本公开的一种示例性实施例中，所述处理装置，用于确定所述目标对象运动的初始时刻和初始位置，根据所述运动速度、所述当前时间和所述初始时刻确定目标角度，并根据所述目标角度和所述初始位置确定所述目标对象的当前位置。在本公开的一种示例性实施例中，所述运动装置，包括：驱动电机，用于带动承载单元进行旋转；调速装置，用于控制所述驱动电机的旋转速度；以及承载单元，用于承载所述显示装置进行运动。在本公开的一种示例性实施例中，所述运动装置，还包括：固定装置，用于固定所述驱动电机；以及减震装置，用于减小所述驱动电机的转动。在本公开的一种示例性实施例中，所述承载单元，包括：转盘或转筒。在本公开的一种示例性实施例中，所述处理装置，用于将所述目标图像作为机器学习中的原始数据，将所述类别和所述当前位置作为所述原始数据的标签，并通过带有标签的原始数据生成所述样本数据。在本公开的一种示例性实施例中，所述摄像装置包括动态视觉传感器相机、事件性相机、仿视网膜相机中的一种。在本公开的一种示例性实施例中，存储模块，用于存储所述样本数据。根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。根据本公开的用于机器学习的样本数据生成系统，获取运动的目标对象的目标图像；获取所述目标对象的类别和运动速度；通过所述运动速度和当前时间确定所述目标对象的当前位置；基于所述目标图像、所述类别和所述当前位置生成用于机器学习的样本数据的方式，能够在空间要求较低的情况下以简单快捷的方式获取高速移动目标图像，还能够以自动、高效的方式对目标图像进行标注以生成用于机器学习的样本数据，极大减轻人工工作量。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。附图说明通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，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是根据一示例性实施例示出的一种用于机器学习的样本数据生成系统框图。图2是根据一示例性实施例示出的一种用于机器学习的样本数据生成系统的示意图。图3是根据另一示例性实施例示出的一种用于机器学习的样本数据生成系统的示意图。图4是根据一示例性实施例示出的一种用于机器学习的样本数据生成方法的流程图。图5是根据一示例性实施例示出的一种电子设备的框图。图6是根据一示例性实施例示出的一种计算机可读介质的框图。具体实施方式现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、系统实现或者操作以避免模糊本公开的各方面。附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这本文档来自技高网...

【技术保护点】
1.一种用于机器学习的样本数据生成系统，其特征在于，包括：/n显示装置，用于展示目标对象；/n运动装置，用于承载所述显示装置进行运动；/n摄像装置，用于采集运动中的所述目标对象的目标图像；/n测速装置，用于获取所述运动装置的运动速度；以及/n处理装置，用于获取所述目标对象的类别和当前时间，并根据所述运动速度和所述当前时间确定所述目标对象的当前位置，并基于所述类别、所述当前位置以及所述目标图像生成用于机器学习的样本数据。/n

【技术特征摘要】
1.一种用于机器学习的样本数据生成系统，其特征在于，包括：
显示装置，用于展示目标对象；
运动装置，用于承载所述显示装置进行运动；
摄像装置，用于采集运动中的所述目标对象的目标图像；
测速装置，用于获取所述运动装置的运动速度；以及
处理装置，用于获取所述目标对象的类别和当前时间，并根据所述运动速度和所述当前时间确定所述目标对象的当前位置，并基于所述类别、所述当前位置以及所述目标图像生成用于机器学习的样本数据。


2.如权利要求1所述的系统，其特征在于，所述显示装置，包括：
显示屏，用于展示所述目标对象；以及
显示屏控制器，用于确定所述目标对象的类别，并控制所述显示屏显示所述目标对象。


3.如权利要求2所述的系统，其特征在于，
所述显示屏控制器，用于在控制所述显示屏显示所述目标对象时，将所述目标对象的类别发送至所述处理装置；
所述摄像装置，用于将采集到的所述目标对象的目标图像发送至所述处理装置；
所述处理装置，用于接收所述显示屏控制器发送的目标对象的类别以及所述摄像装置发送的所述目标对象的目标图像，根据所述运动速度和所述当前时间确定所述目标对象的当前位置，并基于所述类别、所述当前位置以及所述目标图像生成用于机器学习的样本数据。


4.如权利要求1-...

【专利技术属性】
技术研发人员：张和辉，吴臻志，王红伟，
申请(专利权)人：北京灵汐科技有限公司，
类型：新型
国别省市：北京;11