使用图像分割和图像分析对收藏品的图像进行分级的方法和装置制造方法及图纸

在一些实施例中，一种方法能够包括增强收藏品的图像集以生成收藏品的合成图像集。该方法还能够包括组合收藏品的图像集和收藏品的合成图像集以产生训练集。该方法还能够包括基于训练集训练机器学习模型的集合。机器学习模型的集合中的每个机器学习模型能够生成图像属性的集合中的图像属性的等级。图像属性的集合能够包括边缘、拐角、中心或表面。该方法还能够包括在训练之后执行机器学习模型的集合以生成用于未包括在训练集中的收藏品的图像的等级的集合。等级的集合。等级的集合。

【技术实现步骤摘要】
【国外来华专利技术】使用图像分割和图像分析对收藏品的图像进行分级的方法和装置
[0001]相关申请的交叉引用
[0002]本申请要求于2021年2月18日提交且标题为“METHODS AND APPARATUS FOR GRADING IMAGES OF COLLECTABLES USING MACHINE LEARNING MODELS”的美国临时专利申请No.63/150,793的优先权和权益，其内容通过引用整体并入本文。


[0003]本公开涉及代表“真实”事物的图像的图像分析，并且具体地涉及对图像的一个或多个片段执行图像分析以对收藏品的图像进行分级的装置和方法。

技术介绍

[0004]对收藏品的图像进行分级对于例如评估资产的价值等可以是有用的。对收藏品的图像进行分级可以包括，例如，对图像的不同片段(诸如表示收藏品的拐角或边缘的片段)进行分级。但是，已知的评估方法可以是劳动密集且成本高昂的。因此，需要准确且高效地对收藏品进行分级的装置和方法。

技术实现思路

[0005]在一些实施例中，一种方法可以包括接收一组收藏品的图像集。该图像集中的每个图像与至少一个缺陷类型标签和以下中的至少一个相关联：用于该组收藏品中的收藏品的表面状况的第一等级分类标签、用于该收藏品的边缘状况的第二等级分类标签、用于该收藏品的拐角状况的第三等级分类标签，或用于该收藏品的居中状况的第四等级分类标签。该方法还可以包括通过，对于该图像集中的每个图像，检测该图像中定义收藏品的边界，对该图像集中的该图像执行透视扭曲变换(其中该图像的边界不具有预定形状)以及去除该图像的不在定义该收藏品的边界内的部分，基于该图像集生成经预处理的图像集。该方法还可以包括基于经预处理的图像集中的每个经预处理的图像、与该经预处理的图像相关联的至少一个缺陷类型标签、以及(1)与该经预处理的图像相关联的第一等级分类标签，(2)与该经预处理的图像相关联的第二等级分类标签，(3)与该经预处理的图像相关联的第三等级分类标签或(4)与该经预处理的图像相关联的第四等级分类标签中的至少一个来训练至少一个模型。该方法还可以包括将至少一个模型应用于未包括在收藏品组中的新收藏品的新图像。该方法还可以包括使得显示输出，该输出指示新的收藏品包括缺陷、缺陷的大致位置以及与缺陷相关联的缺陷类型。
[0006]在一些实施例中，一种非暂态处理器可读介质存储表示将由处理器执行的指令的代码。指令包括使处理器对收藏品的图像进行预处理以通过检测该图像中定义收藏品的边界、执行透视扭曲变换以使边界具有预定形状以及去除该图像的不在定义收藏品的边界内的部分来生成经预处理的图像的代码。指令还可以包括使处理器将机器学习(ML)模型应用于经预处理的图像以生成一组缺陷置信水平的代码。缺陷置信水平组中的每个缺陷置信水
平(1)与经预处理的图像的一组唯一部分中的经预处理的图像的唯一部分相关联，以及(2)指示至少一个缺陷存在于经预处理的图像的该唯一部分内的可能性。指令还可以包括使处理器使经预处理的图像显示在显示器上的代码。指令还可以包括使处理器使与该组缺陷置信水平中的在预定范围之外的缺陷置信水平相关联的该组唯一部分中的经预处理的图像的每个唯一部分在显示器上被指示的代码。
[0007]在一些实施例中，一种装置包括存储器和可操作地耦合到该存储器的处理器。处理器可以被配置为增强收藏品的图像集以生成收藏品的合成图像集。处理器还可以被配置为组合收藏品的图像集和收藏品的合成图像集以产生训练集。处理器还可以被配置为基于训练集训练机器学习模型的集合。机器学习模型的集合中的每个机器学习模型被配置为生成图像属性的集合中的图像属性的等级。该图像属性的集合包括边缘、拐角、中心或表面中的至少一个。处理器还可以被配置为在训练之后执行该机器学习模型的集合以生成用于未包括在训练集中的收藏品的图像的等级的集合。
附图说明
[0008]图1是根据实施例的分级设备的示意性框图。
[0009]图2是根据实施例的训练分级设备的方法的流程图。
[0010]图3是根据实施例的使用分级设备的方法的流程图。
[0011]图4是根据实施例的训练分级设备的方法的流程图。
[0012]图5是根据实施例的用于分级的机器学习模型的示意性描述。
[0013]图6是根据实施例的用于基于经预处理的图像集训练和使用模型的方法的流程图。
[0014]图7是根据实施例的用于使用模型来生成和使用缺陷置信水平的方法的流程图。
[0015]图8是根据实施例的使用包括合成图像集的训练集来训练模型的方法的流程图。
具体实施方式
[0016]本文描述了实施例的各个方面和变型的非限制性示例并在附图中示出。
[0017]本文描述的方法和装置可以生成资产(诸如例如交易卡(例如，运动卡、游戏卡等)、硬币、货币等)的分级。
[0018]图1是根据实施例的分级设备101的示意性框图。分级设备101(本文中也称为“评估设备”)可以是或包括基于硬件的计算设备和/或多媒体设备，诸如例如计算机、台式机、膝上型计算机、智能电话等。分级设备101包括存储器102、通信接口103和处理器104。分级设备101可以操作分级器模型的集合105，它们共同可以生成用于收藏品(例如，交易卡、运动卡、收藏卡、硬币、货币、艺术品、邮票、古董、漫画书、玩具、珠宝等)的图像的等级。
[0019]分级设备101的存储器102可以是例如存储器缓冲器、随机存取存储器(RAM)、只读存储器(ROM)、硬盘驱动器、闪存驱动器等。存储器102可以存储例如收藏品的图像集(例如，交易卡的图像集、收藏卡的图像集、硬币的图像集、邮票的图像集、艺术品的图像集等)、等级的集合(例如，数值的集合)，和/或包括使处理器104执行一个或多个处理或功能(例如，分级器模型的集合105)的指令的代码(例如，用C、C++、Python等编写的程序)。
[0020]分级设备101的通信接口103可以是分级设备101的硬件组件，以促进分级设备101
和外部设备(例如，网络、计算设备和/或服务器；未示出)之间的数据通信。通信接口103可以可操作地耦合到处理器104和/或存储器102并由处理器104和/或存储器102使用。通信接口103可以是例如网络接口卡(NIC)、模块、模块、光通信模块和/或任何其它合适的有线和/或无线通信接口。
[0021]处理器104可以是例如基于硬件的集成电路(IC)或被配置为运行或执行指令集或代码集的任何其它合适的处理设备。例如，处理器104可以包括通用处理器、中央处理单元(CPU)、专用集成电路(ASIC)、图形处理单元(GPU)等。处理器104通过系统总线(例如，地址总线、数据总线和/或控制总线；未示出)可操作地耦合到存储器102。处理器104包括分级器模型的集合105。来自该分级器模型的集合105的每个分级器模型可以被配置为对来自收藏品的图像集的收藏品的图像的属性或部分进行分级，并且可以包括存储在存储器102中并由处理器104执行的软件。本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，包括：接收多个收藏品的图像集，该图像集中的每个图像与至少一个缺陷类型标签和以下中的至少一个相关联：用于所述多个收藏品中的收藏品的表面状况的第一等级分类标签、用于该收藏品的边缘状况的第二等级分类标签、用于该收藏品的拐角状况的第三等级分类标签，或用于该收藏品的居中状况的第四等级分类标签；通过对于图像集中的每个图像检测该图像中定义收藏品的边界，对图像集中的该图像执行透视扭曲变换，以及去除该图像的不在定义收藏品的边界内的部分，基于图像集生成经预处理的图像集，其中该图像的边界不具有预定形状；基于经预处理的图像集中的每个经预处理的图像、与该经预处理的图像相关联的所述至少一个缺陷类型标签、以及(1)与该经预处理的图像相关联的第一等级分类标签，(2)与该经预处理的图像相关联的第二等级分类标签，(3)与该经预处理的图像相关联的第三等级分类标签或(4)与该经预处理的图像相关联的第四等级分类标签中的至少一个来训练至少一个模型；将所述至少一个模型应用于未包括在所述多个收藏品中的新收藏品的新图像；以及使得输出被显示，该输出指示新收藏品包括缺陷、缺陷的大致位置以及与缺陷相关联的缺陷类型。2.如权利要求1所述的方法，其中图像集中的第一图像是在第一照明条件下拍摄的，并且图像集中的第二图像是在与第一照明条件不同的第二照明条件下拍摄的。3.如权利要求1所述的方法，其中图像集中的第一图像是在相对于所述多个收藏品中的第一收藏品的第一角度拍摄的，并且图像集中的第二图像是在相对于所述多个收藏品中的第一收藏品或与第一收藏品不同的第二收藏品中的一个的第二角度拍摄的，第二角度与第一角度不同。4.如权利要求1所述的方法，其中图像集中的第一图像是在第一背景下拍摄的，并且图像集中的第二图像是在与第一背景不同的第二背景下拍摄的。5.如权利要求1所述的方法，其中生成经预处理的图像集还包括调整图像集中具有不是预定尺寸的尺寸的每个图像的尺寸以使该图像具有预定尺寸。6.如权利要求1所述的方法，其中生成经预处理的图像集还包括调整图像集中具有不在预定分辨率范围内的分辨率的每个图像的尺寸以使该图像具有在预定分辨率范围内的分辨率。7.如权利要求1所述的方法，其中所述至少一个模型包括至少一个丢弃层以减少过度拟合。8.如权利要求1所述的方法，还包括使用随机搜索算法、超频带算法或贝叶斯优化算法中的至少一种来改进与所述至少一个模型相关联的超参数。9.如权利要求1所述的方法，其中所述至少一个模型包括(1)使用(a)经预处理的图像集中的每个经预处理的图像和(b)与该经预处理的图像相关联的第一等级分类标签训练的第一模型、(2)使用(a)经预处理的图像集中的每个经预处理的图像和(b)与该经预处理的图像相关联的第二等级分类标签训练的第二模型、(3)使用(a)经预处理的图像集中的每个经预处理的图像和(b)与该经预处理的图像相关联的第三等级分类标签训练的第三模型、
(4)使用(a)经预处理的图像集中的每个经预处理的图像和(b)与该经预处理的图像相关联的第四等级分类标签训练的第四模型，以及(5)使用(a)经预处理的图像集中的每个经预处理的图像和(b)与该经预处理的图像相关联的所述至少一个缺陷类型标签训练的第五模型。10.一种存储表示将由处理器执行的指令的代码的非暂态处理器可读介质，所述指令包括使处理器执行以下操作的代码：对收藏品的图像进行预处理以通过检测该图像中定义收藏品的边界、执行透视扭曲变换以使边界具有预定形状以及去除该图像的不在定义收藏品的边界内的部分来生成经预处理的图像；将机器学习(ML)模型应用于经预处理的图像以生成多个缺陷置信水平，所述多个缺...

【专利技术属性】
技术研发人员：D，
申请(专利权)人：收藏家天地有限公司，
类型：发明
国别省市：