[发明专利]物件模拟图像生成方法及计算机可读存储介质

说明书

本发明涉及一种物件模拟图像生成方法及计算机可读存储介质。所述方法包括：获取原始背景图像；设置对应于模拟物件的参数条件，所述参数条件包括多个模拟参数；根据参数条件随机产生模拟生成条件；组合原始背景图像和模拟图像以产生训练图像；组合原始背景图像和所述模拟图像以产生训练图像。

技术领域

本发明涉及模拟图像技术领域，具体涉及一种物件模拟图像生成方法及计算机可读存储介质。

背景技术

传统图像处理技术在图像识别领域中，针对不同类型的图像不同必须采用不同的图像特征才能达到准确的分析，图像的复杂度越高或是已知的特征越稀少，越需要耗费大量的图像处理和计算资源，而且可能无法达到所需的精准度，因此利用神经网络或深度学习等人工智能技术来进行图像识别已成为热门发展的技术。但是神经网络或深度学习模型需要大量的训练样本来训练模型才能保证模型的准确度，如果模型开发者无法取得足够的训练样本，会影响模型的设计和改良。再者，模型开发者可取得的训练样本的多样性可能不足，无法涵盖所有可能存在的情况，造成模型的训练产生偏差或不足。又或者，模型开发者希望对特殊情况做更深入的学习，但是相关的训练样本取得不易，都会造成技术研发的障碍。

发明内容

有鉴于此，本发明提出一种物件模拟图像生成方法、系统和计算机刻度存储介质，利用既有的背景图像与模拟生成的物件图像组合以产生训练图像。

本发明的一个实施例提供一种物件模拟图像生成方法，用以模拟生成一物件的模拟图像，所述方法包括：

获取原始背景图像；

设置对应于模拟物件的参数条件，所述参数条件包括多个模拟参数；

根据所述参数条件随机产生模拟生成条件；

根据所述模拟生成条件产生模拟图像；及

组合所述原始背景图像和所述模拟图像以产生训练图像。

在一实施方式中，所述方法还包括：

根据所述模拟图像产生模拟识别符；

将所述训练图像与所述模拟识别符关联；及

储存所述模拟识别符。

在一实施方式中，所述方法还包括：

将所述训练图像输入一神经网络模型以产生学习结果；及

根据所述学习结果更新所述模拟识别符。

在一实施方式中，所述设置对应于模拟物件的参数条件包括：

根据所述模拟物件的图像特征选择所述多个模拟参数；及

设置所述多个模拟参数的预设参数范围。

在一实施方式中，所述图像特征包括至少以下二者：轮廓、形状、面积、颜色、灰度、亮度、饱和度、纹理；所述多个模拟参数包括至少以下二者：起始像素位置、总生成像素个数、颜色值、颜色差值、灰度差值、灰度值、饱和度、饱和度差值、亮度、亮度差值、纹理、生成方向、生成形状、生成位置范围。

在一实施方式中，所述根据所述参数条件随机产生模拟生成条件还包括：

从所述预设参数范围中随机选择所述多个模拟参数的参数值；

组合所述参数值产生所述模拟生成条件。

在一实施方式中，所述根据所述参数条件随机产生模拟生成条件还包括：

随机产生对应于第一像素点的第一生成条件；及

根据第一生成条件随机产生对应于第二像素点的第二生成条件。

在一实施方式中，所述根据所述生成条件产生模拟图像包括：