本申请提供一种图像拍摄完整度判定方法及装置，该方法包括：先获取用于训练人工智能模型的待检测识别图像；再根据图像分割模型对待检测识别图像进行图像分割，得到商品售卖区域；接着提取商品售卖区域的区域轮廓；最后根据区域轮廓和待检测识别图像进行拍摄完整度判定，得到拍摄完整度判定结果，该方法能够自动且快速地对图像拍摄完整度进行识别判定，并给出是否合格的判定结果，从而有助于获取更优质的训练样本，进而提高人工智能模型的训练效果。果。果。
【技术实现步骤摘要】
一种图像拍摄完整度判定方法及装置
[0001]本申请涉及自动化图像检测识别领域，具体而言，涉及一种图像拍摄完整度判定方法及装置。
技术介绍
[0002]目前，很多基于人工智能模型进行自动化图像检测识别的方法中，已经能够对图像中的物品进行精准且有效的识别。众所周知，人工智能模型是基于训练样本进行训练得到的，而如果训练样本较差，那么其训练出来的人工智能模型的也难免逊色。
[0003]在自动化图像检测识别领域当中，对人工智能模型的训练通常会对图像中的主体进行检测识别，从而筛选出具有相应主体的训练样本。然而，在实践中发现，有些图像中虽然具有相应的主体，但是其主体的拍摄并不完整，从而直接导致训练样本的劣化，进而导致了人工智能模型的能力较差。
技术实现思路
[0004]本申请实施例的目的在于提供一种图像拍摄完整度判定方法及装置，能够自动且快速地对图像拍摄完整度进行识别判定，并给出是否合格的判定结果，从而有助于获取更优质的训练样本，进而提高人工智能模型的训练效果。
[0005]本申请实施例第一方面提供了一种图像拍摄完整度判定方法，包括：获取用于训练人工智能模型的待检测识别图像；根据图像分割模型对所述待检测识别图像进行图像分割，得到商品售卖区域；提取所述商品售卖区域的区域轮廓；根据所述区域轮廓和所述待检测识别图像进行拍摄完整度判定，得到拍摄完整度判定结果。
[0006]在上述实施方式中，先获取用于训练人工智能模型的待检测识别图像；再根据图像分割模型对待检测识别图像进行图像分割，得到商品售卖区域；接着提取商品售卖区域的区域轮廓；最后根据区域轮廓和待检测识别图像进行拍摄完整度判定，得到拍摄完整度判定结果，该方法能够自动且快速地对图像拍摄完整度进行识别判定，并给出是否合格的判定结果，从而有助于获取更优质的训练样本，进而提高人工智能模型的训练效果。
[0007]进一步地，所述根据图像分割模型对所述待检测识别图像进行图像分割，得到商品售卖区域的步骤包括：将所述待检测识别图像输入至Mask
‑
RCNN图像分割模型进行图像实体分割，得到商品售卖区域。
[0008]进一步地，所述提取所述商品售卖区域的区域轮廓的步骤包括：根据OpenCV程序库，提取所述商品售卖区域的区域轮廓。
[0009]进一步地，所述根据所述区域轮廓和所述待检测识别图像进行拍摄完整度判定，得到拍摄完整度判定结果的步骤包括：
提取所述区域轮廓中包括的多个轮廓像素点；计算每个所述轮廓像素点与所述待检测识别图像边缘之间的边缘距离；获取所述边缘距离不小于预设距离阈值的多个有效像素点；当所述有效像素点的数量与所述轮廓像素点的数量之间的比值小于预设完整度阈值时，确定拍摄完整度判定结果为所述待检测识别图像不完整。
[0010]进一步地，所述计算每个所述轮廓像素点与所述待检测识别图像边缘之间的边缘距离的步骤包括：计算每个所述轮廓像素点与所述待检测识别图像边缘之间的四个像素距离，并将所述四个像素距离中最小的像素距离确定为边缘距离；其中，所述待检测识别图像为矩形图像，四个像素距离为所述轮廓像素点与所述矩形图像四个边之间的最短距离。
[0011]本申请实施例第二方面提供了一种图像拍摄完整度判定装置，所述图像拍摄完整度判定装置包括：获取单元，用于获取用于训练人工智能模型的待检测识别图像；分割单元，用于根据图像分割模型对所述待检测识别图像进行图像分割，得到商品售卖区域；提取单元，用于提取所述商品售卖区域的区域轮廓；判定单元，用于根据所述区域轮廓和所述待检测识别图像进行拍摄完整度判定，得到拍摄完整度判定结果。
[0012]在上述实施方式中，获取单元先获取用于训练人工智能模型的待检测识别图像；分割单元再根据图像分割模型对待检测识别图像进行图像分割，得到商品售卖区域；接着提取单元提取商品售卖区域的区域轮廓；最后判定单元根据区域轮廓和待检测识别图像进行拍摄完整度判定，得到拍摄完整度判定结果，该方法能够自动且快速地对图像拍摄完整度进行识别判定，并给出是否合格的判定结果，从而有助于获取更优质的训练样本，进而提高人工智能模型的训练效果。
[0013]进一步地，所述分割单元，具体用于将所述待检测识别图像输入至Mask
‑
RCNN图像分割模型进行图像实体分割，得到商品售卖区域。
[0014]进一步地，所述提取单元，具体用于根据OpenCV程序库，提取所述商品售卖区域的区域轮廓。
[0015]本申请实施例第三方面提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例第一方面中任一项所述的图像拍摄完整度判定方法。
[0016]本申请实施例第四方面提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请实施例第一方面中任一项所述的图像拍摄完整度判定方法。
附图说明
[0017]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。
[0018]图1为本申请实施例提供的一种图像拍摄完整度判定方法的流程示意图；图2为本申请实施例提供的一种图像拍摄完整度判定装置的结构示意图；图3为本申请实施例提供的一种图像拍摄完整度判定过程的举例示意图；图4为本申请实施例提供的一种图像拍摄完整度判定过程的举例示意图。
具体实施方式
[0019]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
[0020]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0021]实施例1请参看图1，图1为本实施例提供了一种图像拍摄完整度判定方法的流程示意图。其中，该图像拍摄完整度判定方法包括：S101、获取用于训练人工智能模型的待检测识别图像。
[0022]S102、将待检测识别图像输入至Mask
‑
RCNN图像分割模型进行图像实体分割，得到商品售卖区域。
[0023]S103、根据OpenCV程序库，提取商品售卖区域的区域轮廓。
[0024]S104、提取区域轮廓中包括的多个轮廓像素点。
[0025]S105、计算每个轮廓像素点与待检测识别图像边缘之间的边缘距离。
[0026]作为一种可选的实施方式，计算每个轮廓像素点与待检测识别图像边缘之间的边缘距离的步骤包括：计算每个轮廓像素点与待检测识别图像边缘之间的四个像素距离，并将四个像素距离中最小的像素距离确定为边缘距离；其中，待检测本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像拍摄完整度判定方法，其特征在于，包括：获取用于训练人工智能模型的待检测识别图像；根据图像分割模型对所述待检测识别图像进行图像分割，得到商品售卖区域；提取所述商品售卖区域的区域轮廓；根据所述区域轮廓和所述待检测识别图像进行拍摄完整度判定，得到拍摄完整度判定结果。2.根据权利要求1所述的图像拍摄完整度判定方法，其特征在于，所述根据图像分割模型对所述待检测识别图像进行图像分割，得到商品售卖区域的步骤包括：将所述待检测识别图像输入至Mask
‑
RCNN图像分割模型进行图像实体分割，得到商品售卖区域。3.根据权利要求1所述的图像拍摄完整度判定方法，其特征在于，所述提取所述商品售卖区域的区域轮廓的步骤包括：根据OpenCV程序库，提取所述商品售卖区域的区域轮廓。4.根据权利要求1所述的图像拍摄完整度判定方法，其特征在于，所述根据所述区域轮廓和所述待检测识别图像进行拍摄完整度判定，得到拍摄完整度判定结果的步骤包括：提取所述区域轮廓中包括的多个轮廓像素点；计算每个所述轮廓像素点与所述待检测识别图像边缘之间的边缘距离；获取所述边缘距离不小于预设距离阈值的多个有效像素点；当所述有效像素点的数量与所述轮廓像素点的数量之间的比值小于预设完整度阈值时，确定拍摄完整度判定结果为所述待检测识别图像不完整。5.根据权利要求4所述的图像拍摄完整度判定方法，其特征在于，所述计算每个所述轮廓像素点与所述待检测识别图像边缘之间的边缘距离的步骤包括：计算每个所述轮廓像素...
【专利技术属性】
技术研发人员：陈果，
申请(专利权)人：创新奇智南京科技有限公司，
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。