【技术实现步骤摘要】
本专利技术涉及图像处理，更具体地涉及一种机器学习平台上的样本图像预处理方法、一种机器学习平台上的样本图像预处理装置、电子设备及存储介质。
技术介绍
1、机器学习是研究怎样使用计算机模拟或实现人类学习活动的科学，是人工智能中最具智能特征，最前沿的研究领域之一。自20世纪80年代以来，机器学习作为实现人工智能的途径，在人工智能界引起了广泛的兴趣，特别是近十几年来，机器学习领域的研究工作发展很快，它已成为人工智能的重要课题之一。人工神经网络是机器学习领域重要的分支。最近十多年来，人工神经网络的研究工作不断深入，已经取得了很大的进展，其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题，表现出了良好的智能特性。
2、神经网络模型需要训练，目前的机器学习平台缺乏针对神经网络模型训练时所采用的样本图像集的区域裁剪功能，无法根据需求从样本图像中裁剪需要的部分区域用于训练，导致训练效果不理想。
技术实现思路
1、考虑到上述问题而提出...
【技术保护点】
1.一种机器学习平台上的样本图像预处理方法，其特征在于，所述方法包括如下步骤：
2.如权利要求1所述的方法，其特征在于，所述裁剪步骤，还包括：
3.如权利要求1所述的方法，其特征在于，所述在每个所述目标样本图像中绘制一个或多个目标区域，包括：
4.如权利要求3所述的方法，其特征在于，所述区域设置操作用于指定每个目标区域的位置；
5.如权利要求3所述的方法，其特征在于，所述区域设置操作用于指定每个目标区域的位置和尺寸。
6.如权利要求5所述的方法，其特征在于，所述区域设置操作为用户针对目标像素点的点击拖动操作；
7.如...
【技术特征摘要】
1.一种机器学习平台上的样本图像预处理方法，其特征在于，所述方法包括如下步骤：
2.如权利要求1所述的方法，其特征在于，所述裁剪步骤，还包括：
3.如权利要求1所述的方法，其特征在于，所述在每个所述目标样本图像中绘制一个或多个目标区域，包括：
4.如权利要求3所述的方法，其特征在于，所述区域设置操作用于指定每个目标区域的位置；
5.如权利要求3所述的方法，其特征在于，所述区域设置操作用于指定每个目标区域的位置和尺寸。
6.如权利要求5所述的方法，其特征在于，所述区域设置操作为用户针对目标像素点的点击拖动操作；
7.如权利要求4所述的方法，其特征在于，所述绘制步骤，还包括：
8.如权利要求1所述的方法，其特征在于，所述方法，还包括：
9.如权利要求1-8任一项所述的方法，其特征在于，所述方法还包括：
10.如权利要求1-9任一项所述的方法，其特征在于，所述确定请求包括如下中至少一种：导出至本地存储库的确定请求、添加至所述样本图像集的确定请求和替换所述样本图像集的确定请求。
【专利技术属性】
技术研发人员：李哲，
申请(专利权)人：苏州镁伽科技有限公司，
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。