[发明专利]一种基于三维模型的图像识别样本训练方法

权利要求书

1.一种基于三维模型的图像识别样本训练方法，其特征在于，步骤包括：

收集进行图像识别训练的目标样本资料；

根据收集的目标样本资料三维建模，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样本训练，得到训练结果；

收集目标样本资料照片及现场拍摄照片，根据所述训练结果对目标样本资料照片及现场拍摄照片进行图像识别，得到识别结果。

2.根据权利要求1所述的一种基于三维模型的图像识别样本训练方法，其特征在于，所述三维建模的步骤包括：根据目标样本资料三维建模，得到三维模型；对所述三维模型进行模型贴图处理。

3.根据权利要求2所述的一种基于三维模型的图像识别样本训练方法，其特征在于，所述三维建模采用传统3D Max手动建模法、倾斜摄影法或激光点云法。

4.根据权利要求2所述的一种基于三维模型的图像识别样本训练方法，其特征在于，所述模型贴图处理包括：收集不同型号目标物的多种尺寸、外形、颜色的照片贴图，根据收集到的照片贴图修饰所述三维模型的外观。

5.根据权利要求1所述的一种基于三维模型的图像识别样本训练方法，其特征在于，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。

6.根据权利要求1所述的一种基于三维模型的图像识别样本训练方法，其特征在于，所述图像识别样本训练具体为：

对所述样本集进行图像预处理得到有效样本集；

对所述有效样本集进行样本分割，得到测试集和训练集；

设计图像识别模型和模型损失函数；

将所述测试集代入所述图像识别模型及所述模型损失函数求解，得到预测结果；

若所述预测结果满足预期则对所述预测结果进行预测验证，得到预测验证结果，并根据所述预测验证结果优化所述图像识别模型；

若优化后的所述图像识别模型性能达到实际生产对图像识别性能的要求，则进行应用部署，得到应用部署结果，并根据所述应用部署结果对所述图像识别模型进行迭代更新；

将所述训练集代入迭代更新好的所述图像识别模型及所述模型损失函数求解，得到训练结果。

7.根据权利要求6所述的一种基于三维模型的图像识别样本训练方法，其特征在于，所述图像预处理的步骤包括：剔除掉所述样本集中非正常样本照片，得到所述有效样本集；对所述有效样本集进行增强处理，得到增强样本集；对增强样本集进行统计分析，得到预处理后样本集，并根据所述预处理后样本集的数据分布特点指导所述图像识别模型的设计。

8.根据权利要求6所述的一种基于三维模型的图像识别样本训练方法，其特征在于，所述模型损失函数设计及求解具体为：用均方差构造所述模型损失函数，通过随机梯度下降法对所述图像识别模型进行优化求解，模型损失函数如下：

式中，(x_i，y_i)为图像真实的特征向量坐标，(x′_i，y′_i)为经过全神经网络模型计算输出的特征向量坐标，loss为模型损失值。

9.根据权利要求6所述的一种基于三维模型的图像识别样本训练方法，其特征在于，所述预测验证具体步骤为：收集目标样本资料照片及现场拍摄照片；根据所述预测结果的特征向量数据对所述目标样本资料照片及现场拍摄照片进行图像识别。

10.根据权利要求6所述的一种基于三维模型的图像识别样本训练方法，其特征在于，所述应用部署具体为：将所述图像识别模型和所述模型损失函数部署到实际生产环境中使用，记录在实际生产使用中存在的问题。