[发明专利]图像中的分层多类曝光缺陷分类

说明书

本公开的实施例涉及图像中的分层多类曝光缺陷分类。本发明的实施例提供了用于使用经由有限量的标记的训练图像而被训练的神经网络来检测和分类图像中的曝光缺陷的系统、方法和计算机存储介质。图像可以被应用于第一神经网络，以确定图像是否包括曝光缺陷。检测到的缺陷图像可以被应用于第二神经网络，以确定图像的曝光缺陷分类。曝光缺陷分类可以包括严重曝光不足、中度曝光不足、轻度曝光不足、轻度曝光过度、中度曝光过度、严重曝光过度等。图像可以与曝光缺陷分类一起被呈现给用户。

技术领域

本公开的实施例一般地涉及神经网络，并且更具体地涉及使用神经网络来检测和分类图像中的曝光缺陷(exposure defect)。

背景技术

随着数字内容(图像、视频、动画)在其上被创建和消耗的频道(例如手机、便携式相机、膝上型电脑、平板电脑)的数量激增，在消耗之前高效地检测和组织缺陷内容已经变得极为重要。用以捕获和存储数字介质的具有传感器的便携式和方便设备(例如相机)的越来越多的使用已经允许用户收集大量的介质。附加地，各种应用(诸如但不限于Stock、等)提供了大型的图像存储库以供用户消耗。在这种应用中，图像可以被应用的用户上载。

被新手和专业摄影师两者捕获的数字图像通常可能遭受曝光缺陷，诸如曝光过度和曝光不足。随着数字介质的收集越来越大，为了维持针对介质收集的某些质量，检测这种曝光缺陷已经变得越来越重要。然而，曝光缺陷检测通常需要在准确检测的需求与效率的需求之间取得平衡。当大量介质被用户存储或被存储在应用存储库中时，检测数字介质中的曝光缺陷变得特别麻烦。当前的曝光缺陷检测解决方案不足以提供这种平衡。通常，利用现有解决方案，用户必须手动检测具有曝光缺陷的介质。在一些情况下，手动检测的成本和乏味可能导致用户沮丧或用户接受低于标准的内容，从而限制了数字介质存储库的可用性。

发明内容

本发明的实施例涉及用以使用经由有限量的标记的训练数据而被训练的神经网络来高效且准确地检测和分类图像中的曝光缺陷的曝光缺陷分类系统。就这一点而言，图像可以被应用于所训练的第一神经网络以确定图像是否包括曝光缺陷。然后，如果图像被确定包括曝光缺陷，则图像可以被应用于第二神经网络。第二神经网络可以被训练以将图像分类为包括曝光过度缺陷或曝光不足缺陷。在一些实施例中，第二神经网络可以输出指示输入图像中的曝光不足水平和/或曝光过度水平的曝光分数。水平可以对应于曝光缺陷分类类型，诸如但不限于中度曝光过度、严重曝光过度、轻度曝光过度、中度曝光不足、严重曝光不足和/或轻度曝光不足。然后，具有曝光缺陷的图像可以基于分类和/或分数而被呈现和/或存储。

如此，用户可以被高效地、有效地并且自动地提供有关于曝光缺陷存在图像的相关信息。这种情况使得用户能够容易地描绘关于基础图像的相关信息，而不必在视觉上搜索整个图像图库以找到可能遭受曝光缺陷的图像，从而允许用户高效地去除和/或修复缺陷图像。

提供本发明内容以按照简化形式介绍构思的选择，在下文具体实施方式中会进一步描述这些构思。本发明内容既不旨在标识所要求保护的主题的关键特征或本质特征，也不旨在被用于辅助确定所要求保护的主题的范围。

附图说明

下文参考附图详细描述本发明，在附图中：

图1是根据本发明的实施例的适合用于实现本发明的实施例的示例性环境的框图；

图2是图示针对根据本发明的实施例的使用神经网络的图像的曝光缺陷分类的示例过程的数据流程图；

图3图示了根据本发明的实施例的用于训练二进制模型的示例过程；

图4图示了根据本发明的实施例的缺陷检测系统的示例输出；

图5是示出了根据本发明的实施例的用于检测和分类图像中的曝光缺陷的方法的流程图；以及

图6是适合用于实现本发明的实施例的示例性计算设备的框图。

具体实施方式