获取神经网络训练图像的方法和装置制造方法及图纸

本申请提供了一种应用深度卷积神经网络进行商品识别的方法，包括：控制多个摄像机对商品进行拍摄，生成多个商品图像，所述多个摄像机的拍摄角度互不相同；获取背景图像；根据所述多个商品图像和所述背景图像生成多个训练图像，所述多个训练图像中每个训练图像包括所述背景图像的画面和至少一个所述商品图像的画面。商品图像可以是仅包含商品画面的图像，背景图像是环境图像。通过不同的商品图像和不同的背景图像的组合，能够合成出不同的合成图像用于神经网络训练，用于模拟更加接近真实场景的图像。上述方法无需人工拍摄图像即可获得大量高质量的图像进行训练，从而提高了神经网络的训练效率。

【技术实现步骤摘要】
获取神经网络训练图像的方法和装置
本申请涉及人工智能领域，具体涉及一种获取神经网络训练图像的方法和装置。
技术介绍
计算机视觉是人工智能的一个重要分支，其利用摄像机和电脑代替人眼对目标进行识别、跟踪和测量等处理，在生活中有广泛的应用。实现计算机视觉的基础是神经网络，神经网络是一种数学模型，由大量的节点互相连接构成。每个节点代表一种特定的输出函数，两个节点之间的连接关系代表该两个节点之间传输的信号。神经网络需要通过训练才能正常使用，一种获取神经网络训练图像的方法是通过人工拍摄大量的包含商品和背景的图像，通过这些图像来训练神经网络，以便于神经网络能够正确识别出图像中的商品。该方法需要消耗大量的人力资源，效率较低，如何提高获取神经网络训练图像的效率是当前需要解决的问题。
技术实现思路
本申请提供了一种获取神经网络训练图像的方法和装置，能够提高获取神经网络训练图像的效率。第一方面，提供了一种获取神经网络训练图像的方法，包括：控制多个摄像机对商品进行拍摄，生成多个商品图像，所述多个摄像机的拍摄角度互不相同；获取背景图像本文档来自技高网...

【技术保护点】
1.一种获取神经网络训练图像的方法，其特征在于，包括：/n控制多个摄像机对商品进行拍摄，生成多个商品图像，所述多个摄像机的拍摄角度互不相同；/n获取背景图像；/n根据所述多个商品图像和所述背景图像生成多个训练图像，所述多个训练图像中每个训练图像包括所述背景图像的画面和至少一个所述商品图像的画面。/n

【技术特征摘要】
1.一种获取神经网络训练图像的方法，其特征在于，包括：
控制多个摄像机对商品进行拍摄，生成多个商品图像，所述多个摄像机的拍摄角度互不相同；
获取背景图像；
根据所述多个商品图像和所述背景图像生成多个训练图像，所述多个训练图像中每个训练图像包括所述背景图像的画面和至少一个所述商品图像的画面。


2.根据权利要求1所述的方法，其特征在于，所述多个摄像机设置于圆弧支架上，所述圆弧支架的半径与水平面垂直，所述商品位于所述圆弧支架的圆心处，所述控制多个摄像机对商品进行拍摄，包括：
控制所述圆弧支架沿水平面旋转一周对所述商品进行拍摄。


3.根据权利要求1或2所述的方法，其特征在于，所述根据所述多个商品图像和所述背景图像生成多个训练图像，包括：
将所述商品的画面从所述多个商品图像中分割出来；
对所述商品的画面进行缩放处理；
将缩放处理后的所述商品的画面粘贴至所述背景图像中，生成所述多个训练图像。


4.根据权利要求3所述的方法，其特征在于，缩放处理后的所述商品的画面的排布与所述背景图像的背景类型存在关联关系。


5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
对所述多个训练图像进行色彩增强处理。


6.一种训练神经网络的方法，其特征在于，包括：
获取如权利要求1至5中任一项所述的训练图像；
对所述训练图像进行下采样生成多个特征图，所述多个特征图的尺度互不相同；
通过所述神经网络对所述多个特征图对应的训练图像进行二分类处理，确定包含对象的感兴趣区域ROI边框；
通过所述神经网络对所述ROI边框中的对象进行多分类处理，确定所述对象的种类；
根据所述二分类处理的损失函数和所述多分类处理的损失函数训练所述神经网络。


7.根据权利要求6所述的方法，其特征在于，所述通过所述神经网络对所述多个特征图进行...

【专利技术属性】
技术研发人员：王彦婷，王江平，梅娟，王德，
申请(专利权)人：上海商米科技集团股份有限公司，广东川田科技有限公司，
类型：发明
国别省市：上海;31