【技术实现步骤摘要】
学习模型生成装置、图像校正装置及其方法、记录媒体
本专利技术涉及一种学习模型生成装置、图像校正装置、记录媒体、学习模型生成方法及图像校正方法。
技术介绍
专利文献1中公开有一种图像学习装置，其学习从摄像装置输入的图像来判别存在于图像中的对象，所述图像学习装置的特征在于，具备：初始登录单元，以预先设定的摄影条件拍摄所述对象，并初始登录该拍摄的图像及表示该图像的摄影条件的摄影配置文件；不足图像获取单元，根据通过所述初始登录单元登录的所述图像或所述摄影配置文件中的至少1个来判断所述学习中所需的不足图像，并使所述摄像装置获取该不足图像；不足图像追加登录单元，将通过所述不足图像获取单元获取的不足图像及该不足图像中附带的摄影配置文件追加登录到所述初始登录单元；学习样品提取单元，从登录于所述不足图像追加登录单元的图像或摄影配置文件中的至少1个提取用于所述学习的学习样品；及学习单元，利用所述提取的学习样品进行所述学习。专利文献2中公开有一种图像处理装置，其具备：接收单元，接收由颜色转换之前的图像信息及颜色转换之后的图像信息构成的图像...
【技术保护点】
1.一种学习模型生成装置，其具备处理器，/n所述处理器获取所拍摄的图像数据及按拍摄所述图像数据时的摄影条件而设定且彼此具有依赖关系的多个设定值，/n利用所述多个设定值计算用于对从所述图像数据获得的信息即图像信息进行分类的评价值，/n根据所述评价值对所述图像信息进行分类，/n利用所述图像信息按每个分类生成学习模型。/n
【技术特征摘要】
20190918 JP 2019-1699131.一种学习模型生成装置，其具备处理器，
所述处理器获取所拍摄的图像数据及按拍摄所述图像数据时的摄影条件而设定且彼此具有依赖关系的多个设定值，
利用所述多个设定值计算用于对从所述图像数据获得的信息即图像信息进行分类的评价值，
根据所述评价值对所述图像信息进行分类，
利用所述图像信息按每个分类生成学习模型。
2.根据权利要求1所述的学习模型生成装置，其中，
所述处理器在根据所述评价值对所述图像信息进行分类之后，根据所述多个设定值中的1个设定值，进一步对所述图像信息进行分类。
3.根据权利要求2所述的学习模型生成装置，其中，
所述处理器按预先设定的所述评价值的范围及预先设定的设定值的范围中的至少一个范围对所述图像信息进行分类。
4.根据权利要求1至3中任一项所述的学习模型生成装置，其中，
当已分类的所述图像信息的数量变得比预先设定的阈值多时，所述处理器生成所述学习模型。
5.根据权利要求1至4中任一项所述的学习模型生成装置，其中，
当新追加有已分类的所述图像信息时，所述处理器再次生成所述学习模型。
6.根据权利要求1至5中任一项所述的学习模型生成装置，其中，
所述评价值为对所述多个设定值中的至少2个分别进行标准化来获得的值即标度值的总和。
7.一种图像校正装置，其具备处理器，
所述处理器利用从所输入的图像数据获得的多个设定值计算评价值，
利用所述评价值选择通过权利要求1至6中任一项所述的学习模型生成装置生成的学习模型来进行所述图像数据的校正。
8.根据权利要求7所述的图像校正装置，其中，
所述设定值为光圈、快门速度及ISO灵敏度中的至少2个。
9.根据权利要求8所述的图像校正装置，其中，
所述处理器利用所述多个设定值计算所述设定值的优先顺序，利用所述评价值及所述优先顺序设定为最高优先级的所述设定值来进行学习模型的选择。
10.根据权利要求9所述的图像校正装置，其中，
当所述光圈的设定值小于阈值时，所述处理器将所述光圈的优先顺序设定为最高优先级。
11.根据权利要求9或10所述的图像校正装置，其中，
当所述光圈的设定值为阈值以上且所述快门速度的设定值大于阈值时，所述处理器将快门速度的所述优先顺序设定为最高优先级。
...
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。