[发明专利]一种基于三维模型的图像识别样本训练方法

说明书

本申请公开一种基于三维模型的图像识别样本训练方法，步骤包括：收集进行图像识别训练的目标样本资料；根据收集的样本资料三维建模，得到三维模型；根据三维模型采集照片样本，生成样本集；对样本集进行图像识别训练，得到训练结果；收集目标样本资料照片及现场拍摄照片对训练结果进行实际照片验证。其中，图像识别训练具体为：样本集预处理、样本分割、设计图像识别模型和模型损失函数、图像识别预测和训练、预测验证和应用部署。本发明采用建立三维模型并拍照的方式生成样本集，并在图像识别训练后对训练结果进行实际照片验证保证了训练方法的可靠性，解决了传统图像识别训练方法存在的人工标记工作量大、有误差、样本训练效果不好等问题。

技术领域

本申请涉及机器学习、图像识别、三维建模等技术领域，特别涉及一种基于三维模型的图像识别样本训练方法。

背景技术

随着信息化技术的不断发展，图片作为传递信息的媒介在人们的日常生活、工作中起到越来越重要的作用。在互联网中，图片的数量随着社会信息技术化发展经历了爆炸式的增长，这使得互联网上有多种多样的图片可以丰富我们的日常生活，为我们提供更直观的信息记录和分享方式，但同时这也带来了新的难题。由于目前主流信息检索方式为按照文字的关键字检索，不能根据图片含有的内容检索，这使我们不能根据图片检索到需要的信息，降低了检索效率。

在这个环境下，计算机的图像识别技术就显得尤为重要。近年来，随着人工智能的发展，机器正在越来越多的取代人类特有的优势和技能。图像识别技术也称图像的数据挖掘技术，是计算机人工智能化的典型应用，其作为人工智能领域的重要分支正受到前所未有的关注。图像识别是计算机对图像进行处理、分析和理解，并根据图像中的内容使计算机理解使用人的目标及需求的技术，简单说就是让机器能够通过对信息的感知处理可以像人类一样读懂图片的内容。

图像识别技术在对各种不同应用场景中的图像进行处理分析时需要对识别方式进行训练。现有图像识别的训练方法技术存在的问题是：收集样本并进行训练的过程需要做大量人工手动标记，耗费人力、效率低下；收集的样本图片质量参差不齐，样本训练效果不好；人工标记训练样本时存在错误，标记的准确率无法保证进而导致训练无效。目前，尚未有一种可解决上述问题的图像识别样本训练方法。

发明内容

本申请提供了一种基于三维模型的图像识别样本训练方法，以解决现有图像识别训练方法中存在的训练过程需要手动标记耗费人力、收集样本图片质量参差不齐、人工标记训练样本时存在错误等问题。

本申请的具体实施步骤包括：

收集进行图像识别训练的目标样本资料。收集的所述目标样本资料包括:目标物不同型号的尺寸、外形、颜色、照片贴图等。

根据收集的目标样本资料三维建模,得到三维模型。三维建模的建立过程为：根据目标样本资料三维建模，得到三维模型；根据三维模型进行模型贴图，得到完整的三维模型。所述三维建模的方法包括：传统3D Max手动建模法、倾斜摄影法或激光点云法。

根据三维模型采集照片样本，生成样本集。所述样本集包括：黑色背景照片样本集、模拟自然光照条件下的照片样本集、对模型部分遮挡和涂抹后的照片样本集。

对样本集进行图像识别样本训练，得到训练结果。此步骤具体说明为：

对所述样本集进行图像预处理得到有效样本集。预处理包括剔除非正常照片和样本数据增强，剔除非正常样本照片即删掉样本集中由于收集数据时的误操作及设备延迟故障等原因导致的样本集中存在的缺陷样本照片及多余重复照片。样本数据增强即是对样本照片进行调亮、调色、扭曲、旋转等微调生成微调图片。

对所述有效样本集进行样本分割，得到测试集和训练集。具体为：占样本集总量20％的所述测试集和占样本集总量80％的所述训练集。

设计图像识别模型和模型损失函数：