模型训练和物体的定位方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110197190A(43)申请公布日2019.09.03(21)申请号201810161865.4(22)申请日2018.02.27(71)申请人北京猎户星空科技有限公司地址100041北京市朝阳区团结湖街道工人体育场北甲二号盈科中心东侧裙楼三层(72)发明人王旭马星辰张彦刚(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人张润(51)Int.Cl.G06K9/62(2006.01)权利要求书1页说明书16页附图7页(54)发明名称模型训练和物体的定位方法及装置(57)摘要本发明提出一种模型训练和物体的定位方法及装置，其中，方法包括：获取包含标注信息的训练样本图像，其中，训练样本图像包括第一合成图像，而第一合成图像是在真实环境下拍摄得到的第一真实图像，从第一真实图像中提取呈现有训练物体的局部图像，与背景图像进行合成得到的。采用训练样本图像对学习模型进行训练。通过对真实环境下拍摄得到的图像提取呈现有训练物体的局部图像，并将该局部图像与任意的背景图像合成作为训练样本图像，实现了仅需要对少量拍摄图像进行人工标注物体位置后，即可确定训练样本的标注，解决了现有技术中，训练样本图像需要人工进行标注，而模型训练需要大量的训练数据，导致耗费过多的人力，且效率较低的问题。CN110197190ACN110197190A权利要求书1/1页1.一种模型训练方法，其特征在于，包括：获取包含标注信息的训练样本图像，所述标注信息根据对应样本图像中训练物体的位置信息生成；其中，所述训练样本图像包括第一合成图像；所述第一合成图像为从第一真实图像中提取的呈现有训练物体的局部图像，与背景图像进行合成得到的图像；所述第一真实图像为在真实环境下拍摄得到的图像；采用训练样本图像对学习模型进行训练。2.根据权利要求1所述的方法，其特征在于，所述第一合成图像中训练物体的位置信息，根据所述局部图像与所述背景图像合成时的相对位置，以及在所述第一真实图像中已标注的训练物体位置确定。3.根据权利要求1所述的方法，其特征在于，所述训练样本图像还包括第二真实图像；所述第二真实图像为在真实环境下拍摄得到的图像。4.根据权利要求1所述的方法，其特征在于，在采用训练样本对学习模型进行训练之前，还包括：获取包含标注信息的预训练样本图像；其中，所述预训练样本包括虚拟图像；所述虚拟图像为在虚拟环境下拍摄得到的图像；采用预训练样本图像对所述学习模型进行预训练。5.根据权利要求4所述的方法，其特征在于，所述虚拟图像中训练物体的位置信息，根据所述虚拟环境下拍摄相机的相机参数，以及训练物体的位姿信息确定。6.一种基于权利要求1-5任一所述的方法训练得到的学习模型，实现待测图像中物体的定位方法，包括：将待测图像输入训练得到的学习模型，得到所述待测图像对应的输出值；根据所述输出值确定待测图像中物体的位置信息。7.一种模型训练装置，其特征在于，所述装置包括：第一拍摄模块，用于获取包含标注信息的训练样本图像，所述标注信息根据对应训练样本图像中训练物体的位置信息生成；其中，所述训练样本图像包括第一合成图像；所述第一合成图像为从第一真实图像中提取的呈现有训练物体的局部图像，与背景图像进行合成得到的图像；所述第一真实图像为在真实环境下拍摄得到的图像；第一训练模块，用于采用训练样本图像对学习模型进行训练。8.一种物体的定位装置，其特征在于，所述装置包括：处理模块，用于将待测图像输入训练得到的学习模型，得到所述待测图像对应的输出值；其中，所述学习模型是采用权利要求7所述的装置训练得到的；定位模块，用于根据所述输出值确定待测图像中物体的位置信息。9.一种计算机设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-5中任一所述的模型训练方法，和/或，实现如权利要求6中所述的物体的定位方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的模型训练方法，和/或，实现如权利要求6中所述的物体的定位方法。2CN110197190A说明书1/16页模型训练和物体的定位方法及装置技术领域[0001]本发明涉及人工智能技术领域，尤其涉及一种模型训练和物体的定位方法及装置。背景技术[0002]机器学习模型是实现人工智能的基础，而机器学习模型在使用之前需要采集大量的训练样本，进行训练。[0003]相关技术中，机器学习模型的训练样本，是采集大量的数据，并采用人工标注的方式实现，而这种训练样本的标注方法需要耗费大量的人力，效率较低。发明内容[0004]本发明旨在至少在一定程度上解决相关技术中的技术问题