本申請涉及圖像處理，尤其涉及一種多視角圖像數(shù)據(jù)的生成方法、裝置、終端設備及存儲介質(zhì)。

背景技術(shù)：

1、隨著深度神經(jīng)網(wǎng)絡的不斷發(fā)展，深度神經(jīng)網(wǎng)絡被越來越多的應用于自動駕駛汽車、癌癥檢測、復雜游戲等場景中；在相關技術(shù)中，需要使用大量帶標簽的數(shù)據(jù)集進行訓練才能得到深度神經(jīng)網(wǎng)絡，然而，帶標簽的數(shù)據(jù)集的獲取是十分困難的，如此，相關技術(shù)在無法獲取到大量數(shù)據(jù)集的情況下，只使用小樣本數(shù)據(jù)集對深度神經(jīng)網(wǎng)絡模型進行訓練，如此，就會導致訓練得到的深度神經(jīng)網(wǎng)絡模型難在應用過程中達到滿意的識別效果。因此，如何降低數(shù)據(jù)集的獲取難度，也就成為了行業(yè)內(nèi)亟需解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、本申請的主要目的在于提供一種多視角圖像數(shù)據(jù)的生成方法、裝置、終端設備及存儲介質(zhì)，旨降低數(shù)據(jù)集的獲取難度，進而能夠訓練得到效果更好的深度神經(jīng)網(wǎng)絡模型。

2、為實現(xiàn)上述目的，本申請實施例提供一種多視角圖像數(shù)據(jù)的生成方法，所述方法包括：

3、獲取初始視角圖像數(shù)據(jù)；

4、通過對抗式生成網(wǎng)絡模型對初始視角圖像數(shù)據(jù)進行多風格處理，得到與初始視角圖像數(shù)據(jù)對應的多視角圖像數(shù)據(jù)。

5、此外，本申請實施例還提供一種多視角圖像數(shù)據(jù)的生成裝置，所述裝置包括：

6、圖像獲取模塊，被配置為獲取預設的初始視角圖像數(shù)據(jù)；

7、圖像處理模塊，被配置為通過預設的對抗式生成網(wǎng)絡模型對所述初始視角圖像數(shù)據(jù)進行多風格處理，得到與所述初始視角圖像數(shù)據(jù)對應的多視角圖像數(shù)據(jù)。

8、此外，本申請實施例還提供一種終端設備，所述終端設備包括：如上所述的多視角圖像數(shù)據(jù)的生成裝置、存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序配置為實現(xiàn)如上所述的多視角圖像數(shù)據(jù)的生成方法的步驟。

9、此外，本申請實施例還提供一種存儲介質(zhì)，所述存儲介質(zhì)為計算機可讀存儲介質(zhì)，所述存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上所述的多視角圖像數(shù)據(jù)的生成方法的步驟。

10、本申請實施例公開了一種多視角圖像數(shù)據(jù)的生成方法、裝置、終端設備及存儲介質(zhì)，包括：獲取初始視角圖像數(shù)據(jù)；通過對抗式生成網(wǎng)絡模型對初始視角圖像數(shù)據(jù)進行多風格處理，得到與初始視角圖像數(shù)據(jù)對應的多視角圖像數(shù)據(jù)。

11、從而，本申請實施例通過獲取訓練用的初始視角圖像數(shù)據(jù)，并將該初始視角圖像數(shù)據(jù)輸入至訓練得到的對抗式生成網(wǎng)絡模型內(nèi)，由該對抗式生成網(wǎng)絡模型對該初始視角圖像數(shù)據(jù)進行多風格處理從而生成具有不同視角的多視角圖像數(shù)據(jù)。

12、如此，本申請通過對抗式生成網(wǎng)絡模型對訓練用的圖像數(shù)據(jù)進行多風格處理，進而生成與圖像數(shù)據(jù)對應的各其他視角圖像數(shù)據(jù)的方式，使得在對深度神經(jīng)網(wǎng)絡模型訓練的過程中，能夠?qū)τ柧氂玫男颖緮?shù)據(jù)集進行擴充得到更多用于訓練的數(shù)據(jù)集，從而達到了降低數(shù)據(jù)集獲取難度的技術(shù)效果，進而能夠訓練得到效果更好的深度神經(jīng)網(wǎng)絡模型。

技術(shù)特征：

1.一種多視角圖像數(shù)據(jù)的生成方法，其特征在于，所述方法包括：

2.如權(quán)利要求1所述的多視角圖像數(shù)據(jù)的生成方法，其特征在于，通過對抗式生成網(wǎng)絡模型對所述初始視角圖像數(shù)據(jù)進行多風格處理，得到與所述初始視角圖像數(shù)據(jù)對應的多視角圖像數(shù)據(jù)，包括：

3.如權(quán)利要求2所述的多視角圖像數(shù)據(jù)的生成方法，其特征在于，基于所述掩碼向量和風格控制向量對所述初始視角圖像數(shù)據(jù)進行多風格處理，得到多視角圖像數(shù)據(jù)，包括：

4.如權(quán)利要求1所述的多視角圖像數(shù)據(jù)的生成方法，其特征在于，在獲取初始視角圖像數(shù)據(jù)之前，所述方法還包括：

5.如權(quán)利要求1所述的多視角圖像數(shù)據(jù)的生成方法，其特征在于，在得到與所述初始視角圖像數(shù)據(jù)對應的多視角圖像數(shù)據(jù)之后，所述方法還包括：

6.如權(quán)利要求5所述的多視角圖像數(shù)據(jù)的生成方法，其特征在于，通過所述目標檢測網(wǎng)絡模型對實時環(huán)境圖像數(shù)據(jù)進行處理得到模型預測結(jié)果，包括：

7.如權(quán)利要求5所述的多視角圖像數(shù)據(jù)的生成方法，其特征在于，在基于所述樣本數(shù)據(jù)標注和所述多視角圖像數(shù)據(jù)訓練得到目標檢測網(wǎng)絡模型之后，所述方法還包括：

8.一種多視角圖像數(shù)據(jù)的生成裝置，其特征在于，所述裝置包括：

9.一種終端設備，其特征在于，所述終端設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序配置為實現(xiàn)如權(quán)利要求1至7中任一項所述的多視角圖像數(shù)據(jù)的生成方法的步驟。

10.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)為計算機可讀存儲介質(zhì)，所述存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7中任一項所述的多視角圖像數(shù)據(jù)的生成方法的步驟。

技術(shù)總結(jié)
本申請公開了一種多視角圖像數(shù)據(jù)的生成方法、裝置、終端設備以及存儲介質(zhì)，屬于圖像處理技術(shù)領域。該多視角圖像數(shù)據(jù)的生成方法包括：獲取初始視角圖像數(shù)據(jù)；通過對抗式生成網(wǎng)絡模型對初始視角圖像數(shù)據(jù)進行多風格處理，得到與初始視角圖像數(shù)據(jù)對應的多視角圖像數(shù)據(jù)。采用本申請技術(shù)方案能夠?qū)崿F(xiàn)令訓練的數(shù)據(jù)集的獲取難度降低的技術(shù)效果，進而訓練得到效果更好的深度神經(jīng)網(wǎng)絡模型。

技術(shù)研發(fā)人員：楊錕,陸平,鄧芳偉,張慧,高鋮
受保護的技術(shù)使用者：中興通訊股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26