[发明专利]成像方向模型训练方法及装置、检测方法及装置、介质

权利要求书

1.一种成像方向模型训练方法，其特征在于，包括：

将彩色的偏转图像进行灰度化处理，得到灰度化的偏转图像；

将所述灰度化的偏转图像作为训练数据，将所述偏转图像的偏转角度作为数据标签，训练得到成像方向神经网络模型；

将灰度化的训练图像输入所述成像方向神经网络模型，得到所述成像方向神经网络模型对所述训练图像的预测方向的中间结果；

将所述灰度化的训练图像作为训练数据，将所述训练图像的偏转角度以及所述中间结果作为数据标签，训练得到成像方向模型；所述成像方向模型的结构层级小于所述成像方向神经网络模型的结构层级。

2.如权利要求1所述的成像方向模型训练方法，其特征在于，所述成像方向神经网络模型和所述成像方向模型均为卷积神经网络深度学习模型。

3.如权利要求1所述的成像方向模型训练方法，其特征在于，所述成像方向神经网络模型对所述训练图像的预测方向的中间结果，包括：对每个预测方向的预测分值。

4.一种成像方向检测方法，其特征在于，包括：

将获取到的待检测图像进行灰度化处理，得到灰度化处理后的待检测图像；

将所述灰度化处理后的待检测图像输入至采用权利要求1至2任一项所述的成像方向模型训练方法训练得到的所述成像方向模型，得到所述待检测图像在每个方向的得分；其中，所述成像方向神经网络模型对所述训练图像的预测方向的中间结果，包括：对每个预测方向的预测分值；

获取所述待检测图像在所有方向中的最高得分，判定所述最高得分对应的方向为所述待检测图像的成像方向。

5.如权利要求4所述的成像方向检测方法，其特征在于，在将获取到的待检测图像进行灰度化处理之前，还包括：获取终端设备采集到的待检测图像。

6.如权利要求4所述的成像方向检测方法，其特征在于，在判定所述最高得分对应的方向为所述待检测图像的成像方向之后，还包括：将所述待检测图像的成像方向上传至后端服务器。

7.如权利要求4所述的成像方向检测方法，其特征在于，在判定所述最高得分对应的方向为所述待检测图像的成像方向之后，还包括：

判断所述待检测图像的成像方向是否错误，得到成像方向检测结果；

将所述成像方向检测结果上传至后端服务器。

8.一种成像方向模型训练装置，其特征在于，包括：

第一处理单元，用于将彩色的偏转图像进行灰度化处理，得到灰度化的偏转图像；

第一训练单元，用于将所述灰度化的偏转图像作为训练数据，将所述偏转图像的偏转角度作为数据标签，训练得到成像方向神经网络模型；

第一预测单元，用于将灰度化的训练图像输入所述成像方向神经网络模型，得到所述成像方向神经网络模型对所述训练图像的预测方向的中间结果；

第二训练单元，用于将所述灰度化的训练图像作为训练数据，将所述训练图像的偏转角度以及所述中间结果作为数据标签，训练得到成像方向模型；所述成像方向模型的结构层级小于所述成像方向神经网络模型的结构层级。

9.如权利要求8所述的种成像方向模型训练装置，其特征在于，所述成像方向神经网络模型和所述成像方向模型均为卷积神经网络深度学习模型。

10.如权利要求8所述的种成像方向模型训练装置，其特征在于，所述第一预测单元，用于将灰度化的训练图像输入所述成像方向神经网络模型，得到所述成像方向神经网络模型对所述训练图像的预测方向的中间结果，所述成像方向神经网络模型对所述训练图像的预测方向的中间结果，包括：对每个预测方向的预测分值。