[发明专利]图像集的生成方法、装置及图像识别模型训练方法、系统

说明书

技术领域

本发明涉及图像识别，更具体地，涉及图像集的生成方法、装置及图像识别模型训练方法、系统。

背景技术

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。图像识别是人工智能的一个重要领域。为了编制模拟人类图像识别活动的计算机程序，人们提出了不同的图像识别模型，用于实现图像分类、目标定位等处理。图像识别模型的优劣对于图像识别的效果有着至关重要的作用。

机器学习(Machine Learning,ML)专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。目前，使用机器学习方法来建立图像识别模型，取得了很好的效果。而在建型过程中，需要使用图像集对图像识别模型进行训练，直到其达到预期的性能。图像集中的图像用标签表示其所属的类别，如用于识别商品图像的图像集可以包括床、沙发、电视机、汽车等类别。图像集的规模和质量(如特征数目)对于图像识别模型的优劣有着重要的影响，往往决定了业务成败。一些缺乏数据的小公司没有足够的财力、物力、人力投入到搜集图像的过程中，因此只能选择花费高昂代价向其他公司购买。有时由于竞争对手的遏制，即使高价也无法买到数据。

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习技术一度备受冷落，真正的燎原之势始于2012年多伦多大学Geoffrey Hinton的学生Alex Krizhesky在ImageNet大规模视觉识别竞赛ILSVRC(ImageNet Large Scale Visual Recognition Challenge，http://image-net.org/challenges/LSVRC/)中使用深度学习方法训练图像识别模型，一举夺得图像分类、目标定位两个项目冠军，深度学习技术的爆发得益于更大的数据集ImageNet，是按照WordNet架构组织的大规模带标签图像集，有120万张图像数据，而以前只有数万张。随着新的人工智能业务场景复杂度不断提升，模型也在不断加深，模型训练时需要更大的图像集。

为了得到大规模的图像集，有的采用人工搜集原始数据(Annotation)的方式，这种方式效率很低，特别对于新业务是一项巨大的挑战，关系到能否按时发布产品。同时，人工标注错误率较高，需要增加交叉验证保证错误率在某一范围内。

为了得到大规模的图像集，还可以基于二维图像处理的方法进行图像集的扩充(Data Augmentation)。相关技术提出基于二维图像处理方法，通过对原始图像进行平移、旋转、随机切块、镜像、加噪声、缩放等处理，获得与原始图像相同标签的数据(称为标签保持变换，Label-Preserving Transformation)。该方法虽然可以有效提高数据量，但基于二维处理后的特征空间没有得到扩充。例如一只猫的图像，经过上述变换后，其特征数目并没有增加，从特征空间来看，变换前后仍然是同一张图，并没有显著提升图像集的维度，对于模型的训练效果提升有限。

发明内容

有鉴于此，本发明提供了以下方案。

一种用于图像识别的图像集的生成方法，包括：

获取多个类别的3D模型；

对所述3D模型进行渲染生成所述多个类别的图像，通过渲染参数的变化得到预定规模的图像集。

一种用于图像识别的图像集的生成装置，包括：

3D模型获取模块，用于获取多个类别的3D模型；

图像集生成模块，用于对所述3D模型进行渲染生成所述多个类别的图像，通过渲染参数的变化得到预定规模的图像集。

一种用于图像识别的图像集的生成装置，包括处理器和存储器，其中：

所述存储器用于保存程序代码；

所述处理器用于读取所述存储器中的程序代码，执行以下处理：获取多个类别的3D模型，对所述3D模型进行渲染生成所述多个类别的图像，通过渲染参数的变化得到预定规模的图像集。

上述方案采用3D模型和渲染的方式生成图像集，只需少量人工进行参数设置，就可以自动化生成图像集，大大提高了图像集的生成效率。而且基于生成的图像包括被观测物体的三维特征，具有更高的分辩类，减弱了背景噪声和杂波的影响，具有良好的数据质量。

有鉴于此，本发明还提供了以下方案。

一种图像识别模型的训练方法，包括：

确定要识别的图像的类别，所述类别有多个；