本公开提供了一种样本生成的方法、装置、计算机设备和存储介质，其中，该方法包括：获取包括目标对象的第一图像、以及原始背景图像；其中，所述第一图像中除所述目标对象所在第一区域外的第二区域的颜色，满足预设的颜色条件；基于所述第一图像生成包括所述目标对象的前景图像、以及与所述第一图像对应的第一标注图像；基于所述原始背景图像和所述前景图像，生成第二图像；基于所述第一标注图像、以及所述第二图像，生成样本。本公开实施例降低了生成标注图像的成本，提高了训练样本的精度。提高了训练样本的精度。提高了训练样本的精度。
【技术实现步骤摘要】
一种样本生成方法、装置、计算机设备和存储介质
[0001]本公开涉及机器学习
，具体而言，涉及一种样本生成方法、装置、计算机设备和存储介质。
技术介绍
[0002]在对神经网络进行有监督学习或者半监督学习的时候，需要具有标注信息的样本图像。且样本图像的标注信息越精确，神经网络的性能也越好。
[0003]样本图像的标注信息可以由人工标注或者使用标注工具标注，人工标注的人力成本和时间成本较大，且标注精度会受到标注人员的主观差异性影响，不够精准；使用标注工具标注图像的时间成本也很高，且标注的信息也不够准确精细，这造成了采用人工标注或者还是用标注工具标注生成的样本对神经网络训练时，神经网络的精度受到影响。
技术实现思路
[0004]本公开实施例至少提供一种样本生成方法、装置、计算机设备和存储介质。
[0005]第一方面，本公开实施例提供了一种样本生成方法，包括：获取包括目标对象的第一图像、以及原始背景图像；其中，所述第一图像中除所述目标对象所在第一区域外的第二区域的颜色，满足预设的颜色条件；基于所述第一图像生成包括所述目标对象的前景图像、以及与所述第一图像对应的第一标注图像；基于所述原始背景图像和所述前景图像，生成第二图像；基于所述第一标注图像、以及所述第二图像，生成样本。
[0006]在一种可能的实施方式中，所述颜色条件，包括：位于所述第二区域的像素点的像素值属于预设的像素值区间。
[0007]在一种可能的实施方式中，基于所述第一图像生成包括所述目标对象的前景图像，包括：基于所述颜色条件，从所述第一图像中确定属于所述目标对象的第一像素点；基于所述第一像素点在所述第一图像中的位置、以及所述第一像素点的像素值，生成所述前景图像。
[0008]在一种可能的实施方式中，基于所述第一图像生成与所述第一图像对应的第一标注图像，包括：基于所述颜色条件，从所述第一图像中确定属于所述第二区域的第二像素点；基于所述第二像素点在所述第一图像中的位置，生成所述第一标注图像。
[0009]在一种可能的实施方式中，所述基于所述第一像素点在所述第一图像中的位置，生成所述第一标注图像，包括：基于所述第二像素点在所述第一图像中的位置，确定所述第一区域和所述第二区域的边界像素点；基于所述边界像素点在所述第一图像中的位置，将所述第一区域和所述第二区域的边界进行柔化处理；基于柔化处理的结果，生成所述第一标注图像。
[0010]在一种可能的实施方式中，基于所述原始背景图像和所述前景图像，生成第二图像，包括：基于所述原始背景图像，生成与所述前景图像适配的背景图像；基于所述背景图像以及所述前景图像，生成所述第二图像。
[0011]在一种可能的实施方式中，基于所述原始背景图像，生成与所述前景图像适配的背景图像，包括：将所述原始背景图像进行下述至少一种处理，得到与所述前景图像适配的背景图像：放大处理、缩小处理、裁剪处理、以及旋转处理。
[0012]在一种可能的实施方式中，基于所述背景图像以及所述前景图像，生成所述第二图像，包括：对所述背景图像和/或所述前景图像，进行下述至少一种参数调整处理，并基于所述参数调整处理的结果，生成所述第二图像；所述参数调整处理包括：亮度参数调整、对比度调整、颜色变换、光照参数调整、以及尺寸调整。
[0013]在一种可能的实施方式中，所述基于所述第一标注图像、以及所述第二图像，生成样本，包括：基于属于所述第一区域的像素点在所述第一图像中的位置，以及所述前景图像在所述第二图像中的位置，确定位置变换关系信息；基于所述位置变换关系信息，对所述第一标注图像进行调整，得到与所述第二图像对应的中间标注图像；基于所述中间标注图像、以及所述第二图像，生成所述样本。
[0014]在一种可能的实施方式中，所述基于所述中间标注图像、以及所述第二图像，生成所述样本，包括：对所述中间标注图像、和所述第二图像进行相同的形状变换操作，得到第二标注图像、以及变换图像；基于所述第二标注图像、以及所述变换图像，得到所述样本。
[0015]在一种可能的实施方式中，所述形状变换操作包括下述至少一种：旋转操作、缩小操作、放大操作、以及仿射变换。
[0016]第二方面，本公开实施例还提供一种样本生成装置，包括：获取模块，用于获取包括目标对象的第一图像、以及原始背景图像；其中，所述第一图像中除所述目标对象所在第一区域外的第二区域的颜色，满足预设的颜色条件；第一生成模块，用于基于所述第一图像生成包括所述目标对象的前景图像、以及与所述第一图像对应的第一标注图像；第二生成模块，用于基于所述原始背景图像和所述前景图像，生成第二图像；第三生成模块，用于基于所述第一标注图像、以及所述第二图像，生成样本。
[0017]在一种可能的实施方式中，所述颜色条件，包括：位于所述第二区域的像素点的像素值属于预设的像素值区间。
[0018]在一种可能的实施方式中，所述第一生成模块，在基于所述第一图像生成包括所述目标对象的前景图像时，具体用于基于所述颜色条件，从所述第一图像中确定属于所述目标对象的第一像素点；基于所述第一像素点在所述第一图像中的位置、以及所述第一像素点的像素值，生成所述前景图像。
[0019]在一种可能的实施方式中，所述第一生成模块，在基于所述第一图像生成与所述第一图像对应的第一标注图像时，具体用于基于所述颜色条件，从所述第一图像中确定属于所述第二区域的第二像素点；基于所述第二像素点在所述第一图像中的位置，生成所述第一标注图像。
[0020]在一种可能的实施方式中，所述第一生成模块，在基于所述第一像素点在所述第一图像中的位置，生成所述第一标注图像时，具体用于基于所述第二像素点在所述第一图像中的位置，确定所述第一区域和所述第二区域的边界像素点；基于所述边界像素点在所述第一图像中的位置，将所述第一区域和所述第二区域的边界进行柔化处理；基于柔化处理的结果，生成所述第一标注图像。
[0021]在一种可能的实施方式中，所述第二生成模块，在基于所述原始背景图像和所述
前景图像，生成第二图像时，具体用于基于所述原始背景图像，生成与所述前景图像适配的背景图像；基于所述背景图像以及所述前景图像，生成所述第二图像。
[0022]在一种可能的实施方式中，所述第二生成模块，在基于所述原始背景图像，生成与所述前景图像适配的背景图像时，具体用于将所述原始背景图像进行下述至少一种处理，得到与所述前景图像适配的背景图像：放大处理、缩小处理、裁剪处理、以及旋转处理。
[0023]在一种可能的实施方式中，所述第二生成模块，在基于所述背景图像以及所述前景图像，生成所述第二图像时，具体用于对所述背景图像和/或所述前景图像，进行下述至少一种参数调整处理，并基于所述参数调整处理的结果，生成所述第二图像；所述参数调整处理包括：亮度参数调整、对比度调整、颜色变换、光照参数调整、以及尺寸调整。
[0024]在一种可能的实施方式中，所述第三生成模块，在基于所述第一标注图像、以及所述第二图像，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种样本生成方法，其特征在于，包括：获取包括目标对象的第一图像、以及原始背景图像；其中，所述第一图像中除所述目标对象所在第一区域外的第二区域的颜色，满足预设的颜色条件；基于所述第一图像生成包括所述目标对象的前景图像、以及与所述第一图像对应的第一标注图像；基于所述原始背景图像和所述前景图像，生成第二图像；基于所述第一标注图像、以及所述第二图像，生成样本。2.根据权利要求1所述的样本生成方法，其特征在于，所述颜色条件，包括：位于所述第二区域的像素点的像素值属于预设的像素值区间。3.根据权利要求1所述的样本生成方法，其特征在于，基于所述第一图像生成包括所述目标对象的前景图像，包括：基于所述颜色条件，从所述第一图像中确定属于所述目标对象的第一像素点；基于所述第一像素点在所述第一图像中的位置、以及所述第一像素点的像素值，生成所述前景图像。4.根据权利要求1所述的样本生成方法，其特征在于，基于所述第一图像生成与所述第一图像对应的第一标注图像，包括：基于所述颜色条件，从所述第一图像中确定属于所述第二区域的第二像素点；基于所述第二像素点在所述第一图像中的位置，生成所述第一标注图像。5.根据权利要求1所述的样本生成方法，其特征在于，所述基于所述第一像素点在所述第一图像中的位置，生成所述第一标注图像，包括：基于所述第二像素点在所述第一图像中的位置，确定所述第一区域和所述第二区域的边界像素点；基于所述边界像素点在所述第一图像中的位置，将所述第一区域和所述第二区域的边界进行柔化处理；基于柔化处理的结果，生成所述第一标注图像。6.根据权利要求1所述的样本生成方法，其特征在于，基于所述原始背景图像和所述前景图像，生成第二图像，包括：基于所述原始背景图像，生成与所述前景图像适配的背景图像；基于所述背景图像以及所述前景图像，生成所述第二图像。7.根据权利要求6所述的样本生成方法，其特征在于，基于所述原始背景图像，生成与所述前景图像适配的背景图像，包括：将所述原始背景图像进行下述至少一种处理，得到与所述前景图像适配的背景图像：放大处理、缩小处理、裁剪处理、以及旋转处理。8.根据权利要求7所述的样本生成方法，其特征在于，基于所述背景图像以及所述前景图像，生成所述第二图...
【专利技术属性】
技术研发人员：刘畅，赵鑫，
申请(专利权)人：北京乐学帮网络技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。