一种图像切割和数据增强方法、系统及设备专利检索-饱和度HSL色彩模式图形技术专利检索查询-专利查询网

一种图像切割和数据增强方法、系统及设备

阅读：737发布：2020-05-08

专利汇可以提供一种图像切割和数据增强方法、系统及设备专利检索，专利查询，专利分析的服务。并且本发明涉及图像处理技术领域，提供了一种图像切割和数据增强方法、系统及设备，其中方法包括：服务器接收移动终端上传的商品图像，构建训练集和测试集；所述服务器识别所述商品图像的目标区域，根据所述目标区域的大小对所述商品图像进行裁剪；所述服务器对裁剪的图像进行数据增强处理，扩充训练集和测试集；所述系统包括接收模块、图像裁剪模块和数据增强模块。本发明采用图像裁剪与图像增强相结合的方式对数据集进行扩充，不需要用户输入大量的商品图像，提高了用户的便捷性，且有效提高了训练集的有效性，继而可以提高神经网络模型的拟合能力。，下面是一种图像切割和数据增强方法、系统及设备专利的具体信息内容。

权利要求

1.一种图像切割和数据增强方法，其特征是，所述方法包括以下步骤：
服务器接收移动终端上传的商品图像，构建训练集和测试集；
所述服务器识别所述商品图像的目标区域，根据所述目标区域的大小对所述商品图像进行裁剪；
所述服务器对裁剪的图像进行数据增强处理，扩充训练集和测试集。
2.根据权利要求1所述的一种图像切割和数据增强方法，其特征是，所述方法还包括：
所述服务器构建用于进行商品验证的神经网络，根据扩充的训练集训练所述神经网络，生成训练好的用于进行商品验证的神经网络模型；
所述服务器根据扩充的测试集对训练好的神经网络模型进行测试。
3.根据权利要求1所述的一种图像切割和数据增强方法，其特征是，所述对裁剪的图像进行数据增强处理，包括以下步骤的任意一个或者多个：
对裁剪的图像进行亮度调整的步骤；
对裁剪的图像进行对比度调整的步骤；
对裁剪的图像进行饱和度调整的步骤；
对裁剪的图像进行色相调整的步骤；
对裁剪的图像进行翻转步骤；
对裁剪的图像进行放大或缩小的步骤。
4.根据权利要求1所述的一种图像切割和数据增强方法，其特征是，所述根据所述目标区域的大小对所述商品图像进行裁剪，包括：
所述服务器确定所述目标区域在所在商品图像的位置信息；
所述服务器根据所述位置信息生成满足预定条件的图像裁剪框，所述预定条件包括：
所述图像裁剪框以所述目标区域的中心点为中心，所述图像裁剪框的半径不小于所述目标区域的边缘点到该中心点的最大距离。
5.根据权利要求4所述的一种图像切割和数据增强方法，其特征是，设所述图像裁剪框的半径为R，所述目标区域的边缘点到该中心点的最大距离为dmax，所述图像裁剪框的大小满足dmax≤R≤1.1dmax。
6.根据权利要求1所述的一种图像切割和数据增强方法，其特征是，所述根据所述目标区域的大小对所述商品图像进行裁剪，包括：
所述服务器从数据库中获取与所述目标区域的大小对应的图像裁剪框，其中所述数据库预先存储有多种适应不同目标区域规格的图像裁剪框；
所述服务器根据获取的图像裁剪框对所述商品图像进行裁剪。
7.一种图像切割和数据增强系统，其特征是，所述系统包括：
接收模块，被配置为接收移动终端上传的商品图像，构建训练集和测试集；
图像裁剪模块，被配置为识别所述商品图像的目标区域，根据所述目标区域的大小对所述商品图像进行裁剪；
数据增强模块，被配置为对裁剪的图像进行数据增强处理，扩充训练集和测试集。
8.根据权利要求7所述的一种图像切割和数据增强系统，其特征是，所述系统还包括：
训练模块，被配置为构建用于进行商品验证的神经网络，根据扩充的训练集训练所述神经网络，生成训练好的用于进行商品验证的神经网络模型；
测试模块，被配置为根据扩充的测试集对训练好的神经网络模型进行测试。
9.一种图像切割和数据增强设备，其特征是，包括处理器并且被配置成执行根据权利要求1-6中任一项所述的方法。
10.一种计算机存储介质，其存储有计算机程序，其特征是，所述计算机程序被处理器执行时以实现根据权利要求1-6任一项所述方法的步骤。

说明书全文

一种图像切割和数据增强方法、系统及设备

技术领域

[0001] 本发明涉及图像处理技术领域，具体涉及一种图像切割和数据增强方法、系统及设备。

背景技术

[0002] 相关技术中，通常通过训练模型和图像识别来实现商品的识别。然而对于茶叶、大米这种需要细粒度识别的商品，在进行训练和验证时都需要较多的数据集样本进行训练和验证，导致用户需要输入大量的商品图像，十分不便捷。

发明内容

[0003] 针对上述问题，本发明提供一种图像切割和数据增强方法、系统及设备。

[0004] 本发明的目的采用以下技术方案来实现：

[0005] 本发明第一方面提供了一种图像切割和数据增强方法，该方法包括以下步骤：

[0006] 服务器接收移动终端上传的商品图像，构建训练集和测试集；

[0007] 所述服务器识别所述商品图像的目标区域，根据所述目标区域的大小对所述商品图像进行裁剪；

[0008] 所述服务器对裁剪的图像进行数据增强处理，扩充训练集和测试集。

[0009] 根据本发明第一方面的一种能够实现的方式中，所述方法还包括：

[0010] 所述服务器构建用于进行商品验证的神经网络，根据扩充的训练集训练所述神经网络，生成训练好的用于进行商品验证的神经网络模型；

[0011] 所述服务器根据扩充的测试集对训练好的神经网络模型进行测试。

[0012] 根据本发明第一方面的一种能够实现的方式中，所述对裁剪的图像进行数据增强处理，包括以下步骤的任意一个或者多个：

[0013] 对裁剪的图像进行亮度调整的步骤；

[0014] 对裁剪的图像进行对比度调整的步骤；

[0015] 对裁剪的图像进行饱和度调整的步骤；

[0016] 对裁剪的图像进行色相调整的步骤；

[0017] 对裁剪的图像进行翻转步骤；

[0018] 对裁剪的图像进行放大或缩小的步骤。

[0019] 根据本发明第一方面的一种能够实现的方式中，所述根据所述目标区域的大小对所述商品图像进行裁剪，包括：

[0020] 所述服务器确定所述目标区域在所在商品图像的位置信息；

[0021] 所述服务器根据所述位置信息生成满足预定条件的图像裁剪框，所述预定条件包括：所述图像裁剪框以所述目标区域的中心点为中心，所述图像裁剪框的半径不小于所述目标区域的边缘点到该中心点的最大距离。

[0022] 根据本发明第一方面的一种能够实现的方式中，设所述图像裁剪框的半径为R，所述目标区域的边缘点到该中心点的最大距离为dmax，所述图像裁剪框的大小满足dmax≤R≤1.1dmax。

[0023] 根据本发明第一方面的另一种能够实现的方式中，所述根据所述目标区域的大小对所述商品图像进行裁剪，包括：

[0024] 所述服务器从数据库中获取与所述目标区域的大小对应的图像裁剪框，其中所述数据库预先存储有多种适应不同目标区域规格的图像裁剪框；

[0025] 所述服务器根据获取的图像裁剪框对所述商品图像进行裁剪。

[0026] 本发明第二方面提供了一种图像切割和数据增强系统，该系统包括：

[0027] 接收模块，被配置为接收移动终端上传的商品图像，构建训练集和测试集；

[0028] 图像裁剪模块，被配置为识别所述商品图像的目标区域，根据所述目标区域的大小对所述商品图像进行裁剪；

[0029] 数据增强模块，被配置为对裁剪的图像进行数据增强处理，扩充训练集和测试集。

[0030] 根据本发明第二方面的一种能够实现的方式中，所述系统还包括：

[0031] 训练模块，被配置为构建用于进行商品验证的神经网络，根据扩充的训练集训练所述神经网络，生成训练好的用于进行商品验证的神经网络模型；

[0032] 测试模块，被配置为根据扩充的测试集对训练好的神经网络模型进行测试。

[0033] 本发明第三方面提供了一种图像切割和数据增强设备，该设备包括处理器并且被配置成执行根据本发明上述的方法。

[0034] 本发明第四方面提供了一种计算机存储介质，其存储有计算机程序，所述计算机程序被处理器执行时以实现根据本发明上述方法的步骤。

[0035] 本发明的有益效果为：本发明在通过训练模型和图像识别来实现商品识别的过程中，采用图像裁剪与图像增强相结合的方式对数据集进行扩充，不需要用户输入大量的商品图像，提高了用户的便捷性，且有效提高了训练集的有效性，继而可以提高神经网络模型的拟合能力。附图说明

[0036] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

[0037] 图1为本发明一个示例性实施例一种图像切割和数据增强方法的流程示意图；

[0038] 图2为本发明一个示例性实施例一种图像切割和数据增强系统的结构示意图。

[0039] 附图标记：

[0040] 接收模块1、图像裁剪模块2、数据增强模块3、训练模块4、测试模块5。

具体实施方式

[0041] 结合以下实施例对本发明作进一步描述。

[0042] 参见图1，本发明第一方面实施例提供了一种图像切割和数据增强方法，该方法包括以下步骤：

[0043] S1服务器接收移动终端上传的商品图像，构建训练集和测试集。进一步地，所述服务器接收移动终端上传的商品图像信息时，首先对所上传的商品图像进行质量筛选，当判断该商品图像不满足质量要求时，显示或者向移动终端发送用于提示用户重新上传新商品图像信息的提示信息。通过预先的图像筛选，能够便于后续的图像切割和数据增强处理，有效提高后续训练模型的精度。

[0044] 其中，该质量要求可以是商品图像的大小不能超过预设的图像大小范围，或者是检测出的商品图像噪声需要小于预设的噪声阈值，又或者是商品图像的清晰度需大于预设的清晰度阈值等等。

[0045] S2所述服务器识别所述商品图像的目标区域，根据所述目标区域的大小对所述商品图像进行裁剪。

[0046] 在一种实施方式中，所述根据所述目标区域的大小对所述商品图像进行裁剪，包括：

[0047] 所述服务器确定所述目标区域在所在商品图像的位置信息；

[0048] 所述服务器根据所述位置信息生成满足预定条件的图像裁剪框，所述预定条件包括：所述图像裁剪框以所述目标区域的中心点为中心，所述图像裁剪框的半径不小于所述目标区域的边缘点到该中心点的最大距离。

[0049] 其中，设所述图像裁剪框的半径为R，所述目标区域的边缘点到该中心点的最大距离为dmax，所述图像裁剪框的大小满足dmax≤R≤1.1dmax。

[0050] 本实施例通过上述的图像切割方式，能够在保留目标区域特征的前提下，增多所能使用的裁剪比例。

[0051] 在另一种能够实现的方式中，所述根据所述目标区域的大小对所述商品图像进行裁剪，包括：

[0052] 所述服务器从数据库中获取与所述目标区域的大小对应的图像裁剪框，其中所述数据库预先存储有多种适应不同目标区域规格的图像裁剪框；

[0053] 所述服务器根据获取的图像裁剪框对所述商品图像进行裁剪。

[0054] 其中，与所述目标区域的大小对应的图像裁剪框，具体为，获取的图像裁剪框在裁剪商品图像时，所述目标区域能够落入到所述图像裁剪框所框选的图像区域中。数据库中每个图像裁剪框预设有能够适用的目标区域大小标准，服务器可根据该目标区域大小标准来确定合适的图像裁剪框。

[0055] 本实施例通过数据库预设标准的图像裁剪框的方式，能够为商品图像快速匹配图像裁剪框，从而有效提高对商品图像进行切割和数据增强的效率。

[0056] S3所述服务器对裁剪的图像进行数据增强处理，扩充训练集和测试集。一种能够实现的方式中，所述对裁剪的图像进行数据增强处理，包括以下步骤的任意一个或者多个：

[0057] 对裁剪的图像进行亮度调整的步骤；

[0058] 对裁剪的图像进行对比度调整的步骤；

[0059] 对裁剪的图像进行饱和度调整的步骤；

[0060] 对裁剪的图像进行色相调整的步骤；

[0061] 对裁剪的图像进行翻转步骤；

[0062] 对裁剪的图像进行放大或缩小的步骤。

[0063] 本发明上述实施例在通过训练模型和图像识别来实现商品识别的过程中，采用图像裁剪与图像增强相结合的方式对数据集进行扩充，不需要用户输入大量的商品图像，提高了用户的便捷性，且有效提高了训练集的有效性，继而可以提高神经网络模型的拟合能力。

[0064] 进一步地，所述方法还包括：

[0065] 所述服务器构建用于进行商品验证的神经网络，根据扩充的训练集训练所述神经网络，生成训练好的用于进行商品验证的神经网络模型；

[0066] 所述服务器根据扩充的测试集对训练好的神经网络模型进行测试。

[0067] 如图2所示，本发明第二方面实施例提供了一种图像切割和数据增强系统，该系统包括：

[0068] 接收模块1，被配置为接收移动终端上传的商品图像，构建训练集和测试集；

[0069] 图像裁剪模块2，被配置为识别所述商品图像的目标区域，根据所述目标区域的大小对所述商品图像进行裁剪；

[0070] 数据增强模块3，被配置为对裁剪的图像进行数据增强处理，扩充训练集和测试集。

[0071] 根据本发明第二方面实施例的一种能够实现的方式中，所述系统还包括：

[0072] 训练模块4，被配置为构建用于进行商品验证的神经网络，根据扩充的训练集训练所述神经网络，生成训练好的用于进行商品验证的神经网络模型；

[0073] 测试模块5，被配置为根据扩充的测试集对训练好的神经网络模型进行测试。

[0074] 本发明第三方面实施例提供了一种图像切割和数据增强设备，该设备包括处理器并且被配置成执行根据本发明上述的方法。

[0075] 本发明第四方面实施例提供了一种计算机存储介质，其存储有计算机程序，所述计算机程序被处理器执行时以实现根据本发明上述方法的步骤。

[0076] 其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

[0077] 最后应当说明的是，以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。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。

[0078] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

标题	发布/更新时间	阅读量
一种基于云计算的流行病监控系统	2020-05-08	307
一种页岩储层游离气和吸附气含量计算方法	2020-05-08	877
膈神经刺激器控制方法、装置和系统	2020-05-11	531
一种图像的处理与识别方法	2020-05-08	349
对信息饱和度不均衡数据的处理方法	2020-05-08	51
一种成熟草莓识别的方法	2020-05-08	602
一种基于Tetrolet变换的近红外与彩色可见光图像融合算法	2020-05-08	117
一种非线性渗流数值模拟方法	2020-05-08	960
反射型投影屏幕	2020-05-08	670
一种二氧化碳在盐水层中封存机理的可视化实验装置	2020-05-08	541

一种图像切割和数据增强方法、系统及设备

一种图像切割和数据增强方法、系统及设备

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：