[发明专利]一种香烟终端陈列样本图像自动生成的仿真方法与模型

说明书

本发明公开了一种香烟终端陈列样本图像自动生成的仿真方法与模型，涉及深度学习技术领域，解决了针对某些行业，现有的技术方案难以快速获取其深度学习所需的大量样本图像的技术问题。该方法包括S100：获取真实样本图像的基础数据，建立基础模型，预设基础模型生成样本图像的数量；基础模型包括柜台模型和样本对象模型；S200：通过python将样本对象模型生成的多个样本对象随机分布在柜台模型生成的柜台内部，得到待处理图像；S300：对待处理图像进行坐标相对转换处理，得到带有坐标标注的样本图像；S400：判断样本图像的数量是否达到预设值；若否，循环步骤S200~S400；若是，结束样本图像的生成。本发明用于快速获取某些行业进行深度学习所需的大量样本图像。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种香烟终端陈列样本图像自动生成的仿真方法与模型。

背景技术

深度学习是学习样本数据的内在规律和表示层次，最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习在搜索技术、数据挖掘、机器学习、机器翻译、自然语言处理、多媒体学习、语音、推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。

在深度学习中，收集训练样本是必不可少也是最重要的一环，训练样本的好坏程度间接决定了深度学习模型的效果，由于烟草行业的特殊性，导致收集样本的过程漫长且困难，需要一种能够快速生成烟盒陈列或摆放的样本图像的方法。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

针对某些行业，现有的技术方案难以快速获取其深度学习所需的大量样本图像。

发明内容

本发明的目的在于提供一种香烟终端陈列样本图像自动生成的仿真方法与模型，以解决现有技术中存在的针对某些行业，现有的技术方案难以快速获取其深度学习所需的大量样本图像的技术问题。本发明提供的诸多技术方案中的优选技术方案所能产生的诸多技术效果详见下文阐述。

为实现上述目的，本发明提供了以下技术方案：

本发明提供的一种香烟终端陈列样本图像自动生成的仿真方法，包括以下步骤：

S100：获取真实样本图像的基础数据，建立基础模型，预设所述基础模型生成样本图像的数量；所述基础模型包括柜台模型和样本对象模型；

S200：通过python将所述样本对象模型生成的多个所述样本对象随机分布在所述柜台模型生成的柜台内部，得到待处理图像；

S300：对所述待处理图像进行坐标相对转换处理，得到带有坐标标注的所述样本图像；

S400：判断所述样本图像的数量是否达到预设值；若否，循环步骤S200~S400；若是，结束所述样本图像的生成；

所述S200步骤的具体流程为：

S210：所述样本对象模型、柜台模型分别生成所述样本对象、柜台；

S220：所述样本对象、柜台均赋予体积碰撞属性，为所述样本对象赋予重力信息；

S230：设定所述柜台的长宽高和初始3D坐标为(x，y，z)，通过python将所述样本对象随机分布在所述柜台内部，生成初始图像；

S240：通过重力和时序算法获取所述样本对象的3D坐标；

S250：保存所述3D坐标、初始图像，输出为所述待处理图像。

优选的，所述S300步骤中，对所述待处理图像进行坐标相对转换处理，具体包括：

S310：对所述待处理图像进行渲染，设定3D相机的位置和3D仿真的原点；