标注图像生成方法和装置、电子设备、存储介质
本申请涉及图像处理,尤其涉及一种标注图像生成方法和装置、电子设备、存储介质。
背景技术:
1、标注图像是一种用于训练深度神经网络的图像数据。例如,在计算机视觉领域中,深度神经网络可以应用于图像分类、图像检测、图像分割等任务。目前的深度神经网络(如卷积神经网络、循环神经网络等)的训练通常依赖于大规模、高质量的标注数据。然而,目前难以获取充足且高质量(比如图像真实且标注正确)的标注数据。
2、目前,通常采用人工标注的方式,根据模型训练的任务需求生成所需标注数据。例如,针对图像检测任务,可以通过人工标注的方式对图像中的目标进行方框定位与分类。又例如,针对图像分割任务,可以通过人工标注的方式对图像中的目标进行轮廓定位,得到标注图像数据。但人工标注方式会消耗大量人工及时间成本,难以快速获取大规模的标注数据。
3、因此,如何快速且高效地生成标注图像数据,成为了亟待解决的技术问题。
技术实现思路
1、本申请实施例的主要目的在于提出一种标注图像生成方法和装置、电子设备、存储介质,旨在快速且高效地生成标注图像数据。
2、为实现上述目的,本申请实施例的第一方面提出了一种标注图像生成方法,所述方法包括:
3、获取真实目标图像,并获取真实背景图像;其中,所述真实目标图像中包含目标个体;
4、根据所述真实目标图像进行图像分割,得到所述目标个体的目标图像区域;
5、根据所述目标图像区域和所述真实背景图像进行图像融合,得到融合图像;
6、根据所述融合图像中的目标图像区域和所述真实背景图像进行风格转换,得到风格标注图像。
7、在一些实施例,所述根据所述融合图像中的目标图像区域和所述真实背景图像进行风格转换,得到风格标注图像,包括:
8、在至少两个时间步中对所述融合图像进行噪声注入,得到潜在变量序列;
9、基于预设的风格引导图像,对所述潜在变量序列进行去噪处理,得到所述风格标注图像。
10、在一些实施例,至少两个时间步包括起始时间步,所述起始时间步是至少两个所述时间步中的第一个时间步;
11、所述在至少两个时间步中对所述融合图像进行噪声注入,得到潜在变量序列,包括:
12、获取高斯噪声,并根据所述高斯噪声对所述起始时间步的所述融合图像进行高斯分布计算,得到所述起始时间步的噪声图像特征;
13、在所述起始时间步的下一所述时间步,对所述起始时间步的所述噪声图像特征进行高斯分布计算,得到下一所述时间步的所述噪声图像特征;
14、将各个所述时间步的所述噪声图像特征的组合确定为所述潜在变量序列。
15、在一些实施例,所述基于预设的风格引导图像,对所述潜在变量序列进行去噪处理,得到所述风格标注图像,包括:
16、通过预训练的去噪网络模型对所述潜在变量序列进行高斯噪声添加预测,得到高斯噪声估值;其中,所述去噪网络模型基于所述风格引导图像训练得到;
17、根据所述高斯噪声估值和所述潜在变量序列进行高斯分布计算,得到所述风格标注图像。
18、在一些实施例,所述真实目标图像的数量为至少两个;
19、所述根据所述目标图像区域和所述真实背景图像进行图像融合,得到融合图像,包括:
20、对至少两个所述真实目标图像对应的所述目标图像区域中进行图像抽取,得到第一图像区域;
21、对至少两个所述真实背景图像进行图像抽取,得到第一背景图像;
22、根据所述第一图像区域进行图像变换处理,得到第二图像区域;
23、根据所述第二图像区域和所述第一背景图像进行图像融合信息确定,得到所述第二图像区域在所述第一背景图像中的位置形状信息;
24、将所述位置形状信息和所述目标个体的目标类别的组合确定为图像标注信息,得到具有所述图像标注信息的所述融合图像。
25、在一些实施例,所述根据所述第一图像区域进行图像变换处理,得到第二图像区域,包括:
26、根据所述第一图像区域进行旋转变换,得到旋转图像区域;
27、根据所述旋转图像区域和所述第一背景图像之间的图像比例,对所述旋转图像区域进行缩放变换,得到所述第二图像区域。
28、在一些实施例,所述获取真实背景图像,包括:
29、对预设的背景区域进行视频拍摄,得到背景视频;
30、根据所述背景视频进行视频帧抽取,得到所述背景视频的候选视频帧;
31、根据所述候选视频帧和所述目标个体进行图像识别,得到目标识别结果,若所述目标识别结果表征所述候选视频帧不包括所述目标个体,将所述候选视频帧确定为所述真实背景图像。
32、为实现上述目的,本申请实施例的第二方面提出了一种标注图像生成装置,所述装置包括:
33、图像获取模块,用于获取真实目标图像,并获取真实背景图像;其中,所述真实目标图像中包含目标个体;
34、图像分割模块,用于根据所述真实目标图像进行图像分割,得到所述目标个体的目标图像区域;
35、图像融合模块,用于根据所述目标图像区域和所述真实背景图像进行图像融合,得到融合图像;
36、风格转换模块,用于根据所述融合图像中的目标图像区域和所述真实背景图像进行风格转换,得到风格标注图像。
37、为实现上述目的,本申请实施例的第三方面提出了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
38、为实现上述目的,本申请实施例的第四方面提出了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的方法。
39、本申请提出的标注图像生成方法和装置、电子设备、存储介质,其通过获取包含目标个体的真实目标图像和真实背景图像,根据真实目标图像进行图像分割,得到目标个体的目标图像区域,并根据目标图像区域和真实背景图像进行图像融合得到融合图像。这样可以将目标个体(比如用于训练模型识别的目标)与不同的背景相融合,以生成多样化的融合图像。根据融合图像中的目标图像区域和真实背景图像进行风格转换,得到风格标注图像。这样能够自动完成目标与背景的组合及标注风格的形成,而不是通过人工标注的方式对图像进行标注,从而能够快速且高效地生成标注图像数据,得到高质标注数据。
1.一种标注图像生成方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,至少两个时间步包括起始时间步,所述起始时间步是至少两个所述时间步中的第一个时间步;
3.根据权利要求1所述的方法,其特征在于,所述基于预设的风格引导图像,对所述潜在变量序列进行去噪处理,得到所述风格标注图像,包括:
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一图像区域进行图像变换处理,得到第二图像区域,包括:
5.根据权利要求1至3任一项所述的方法,其特征在于,所述获取真实背景图像,包括:
6.一种标注图像生成装置,其特征在于,所述装置包括:
7.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至5任一项所述的标注图像生成方法。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5任一项所述的标注图像生成方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com