[发明专利]自动建立物件辨识模型的方法

权利要求书

1.一种自动建立物件辨识模型的方法，其特征在于，包括以下步骤：

a)于训练模式下经由第一影像采集装置对第一实体物件的外观的不同视角进行拍摄以获得多张样本影像；

b)设定该多张样本影像的识别信息，其中该识别信息是用以描述该第一实体物件；

c)依据供应商选择操作选择多个云端服务供应商的其中之一；

d)传送该多张样本影像及该识别信息至所选择的该云端训练服务供应商的云端服务器以使该云端服务器对该多张样本影像执行学习训练；及

e)自该云端服务器接收对应该识别信息的物件辨识模型。

2.如权利要求1所述的自动建立物件辨识模型的方法，其特征在于，还包括以下步骤：

f1)于辨识模式下经由第二影像采集装置拍摄第二实体物件以取得检测影像；及

f2)依据该物件辨识模型对该检测影像执行物件辨识处理以判断该第二实体物件是否属于该识别信息。

3.如权利要求1所述的自动建立物件辨识模型的方法，其特征在于，该步骤a)包括以下步骤：

a1)进入该训练模式；

a2)控制放置该第一实体物件的拍摄架转动预设角度；

a3)控制固定设置的各该第一影像采集装置拍摄该第一实体物件以获得该样本影像；及

a4)重复执行该步骤a2)至该步骤a3)直到该实体物件的所有该视角拍摄完成。

4.如权利要求1所述的自动建立物件辨识模型的方法，其特征在于，于该步骤c)之后，该步骤d)之前还包括以下步骤：

g1)依据所选择的该云端服务供应商选择多个前置处理的至少其中之一；及

g2)对该多张样本影像执行所选择的该前置处理；

其中，该步骤d)是传送处理后的该多张样本影像及该识别信息至该云端服务器。

5.如权利要求4所述的自动建立物件辨识模型的方法，其特征在于，该多个前置处理包括底色抽换处理及物件框选处理。

6.如权利要求4所述的自动建立物件辨识模型的方法，其特征在于，该多个云端服务供应商包括Microsoft Azure Custom Vision Service及Google Cloud AutoML Vision。

7.如权利要求1所述的自动建立物件辨识模型的方法，其特征在于，于该步骤e)之前还包括以下步骤：

h1)依据该物件辨识模型对该多张样本影像分别执行物件辨识处理以判断各该样本影像是否属于该识别信息；及

h2)依据属于该识别信息的该多张样本影像的数量计算精准度。

8.如权利要求7所述的自动建立物件辨识模型的方法，其特征在于，该自动建立物件辨识模型的方法还包括步骤i)于该精准度低于预设精准度时，将不属于该识别信息的该样本影像及该识别信息传送至该云端服务器以使该云端服务器对不属于该识别信息的该样本影像再次执行该学习训练。

9.如权利要求7所述的自动建立物件辨识模型的方法，其特征在于，该步骤e)是于该精准度不低于该预设精准度时，自该云端服务器下载该物件辨识模型。

10.如权利要求1所述的自动建立物件辨识模型的方法，其特征在于，该步骤e)是自该云端服务器下载该物件辨识模型的深度学习套件，该深度学习套件为Caffe、TensorFlow、CoreML、CNTK或ONNX。