[发明专利]一种神经网络模型训练样本采集方法、装置、终端及介质

说明书

本发明公开了一种神经网络模型训练样本采集方法、装置、终端及介质，该方法包括：针对待采集样本的物品，确定所述物品的三维模型；将所述三维模型输入到仿真模拟模型中，基于所述仿真模拟模型的仿真模拟环境，模拟多个不同角度下手持物品的操作，并基于模拟的每个操作获取所述物品在模拟的每个角度下的样本图像。本发明中将待采集样本的物品的三维模型，输入到仿真模拟模型，在仿真模拟环境的多个不同角度下模拟采集人员手持物品的操作，避免了人工手持物品进行图像采集时受人工因素影响导致的采集到的样本图像的质量差别大，提高了采集样本图像的质量，并提高了后续物品识别的准确度。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种神经网络模型训练样本采集方法、装置、终端及介质。

背景技术

自动售货机是商业自动化的常用设备，不受时间、地点的限制，能节省人力且方便交易，因此多在商场、写字楼以及校园等场所进行设置。随着人工智能技术的发展，市场上不断涌现出各种类型的人工智能产品，基于AI(Artificial Intelligence，人工智能)技术的AI售货机也应运而生。

AI售货机能够获取到的物品所属类型的样本图像，当待售卖的物品被放置在AI售货机的货架上后，AI售货机可以采集该物品的图像，根据用户购买的物品的图像以及物品所属类型的样本图像，识别用户购买的该物品所属类型，并进行相应费用的收取，实现自动售货。

物品所属类型的样本图像通常是由采集人员手持物品后终端设备采集到的图像，其中采集人员可以为商家或标注人员等。并且为了后续识别的准确性，针对同一类型的物品，通常会采集多张不同角度下的样本图像，此时就需要采集人员面向终端设备的摄像头手持物品进行采集角度的改变。但是人工手持物品采集图像会受采集人员的体力以及专业能力等多种因素的影响，导致采集到的样本图像的质量参差不齐差别较大，影响后续物品的识别。

发明内容

本发明提供了一种神经网络模型训练样本采集方法、装置、终端及介质，用以解决现有技术中人工手持物品导致采集到的样本图像的质量差别大的问题。

本发明提供了一种神经网络模型训练样本采集方法，应用于终端，该方法包括：

针对待采集样本的物品，确定所述物品的三维模型；

将所述三维模型输入到仿真模拟模型中，基于所述仿真模拟模型的仿真模拟环境，模拟多个不同角度下手持物品的操作，并基于模拟的每个操作获取所述物品在模拟的每个角度下的样本图像。

进一步地，所述针对待采集样本的物品，确定所述物品的三维模型包括：

针对待采集样本的物品，根据采集到的所述物品的多张第一图像，确定所述物品的三维模型，其中所述多张第一图像为在多个不同角度下采集到的所述物品的图像。

进一步地，采集所述物品的多张第一图像包括：

控制放置有所述物品的转盘按照设定角度进行旋转，并

在每次控制所述转盘旋转后对所述物品进行图像采集，得到所述物品当前的第一图像。

进一步地，所述第一图像包括第一深度图像和/或第一彩色图像。

进一步地，所述基于所述仿真模拟模型的仿真模拟环境，模拟多个不同角度下手持物品的操作，并基于模拟的每个操作获取所述物品在模拟的每个角度下的样本图像包括：

基于所述仿真模拟模型的仿真模拟环境，针对所述仿真模拟环境中的每种光线机制，模拟在该种光线机制的多个不同角度下手持物品的操作，并基于模拟的每个操作获取所述物品在模拟的该种光线机制的每个角度下的样本图像。

进一步地，所述基于模拟的每个操作获取所述物品在模拟的每个角度下的样本图像后，所述方法还包括：

针对所述物品的每个样本图像，识别该样本图像的特征信息；