【技術實現步驟摘要】
本專利技術屬于圖像領域，具體涉及一種基于風格遷移的水表圖像生成數據集的方法及裝置。
技術介紹
1、水表，是測量水流量的儀表，大多是水的累計流量測量，由于水表大多數安裝在陰暗潮濕的環境中，隨著周圍溫度的不斷變化，會使水表表面玻璃上產生水珠、水汽、水霧等情景，使智能水表識別數據增加了一定的難度，并且隨著水表使用年限的不斷增加，水表表面會產生大量的污物、藻類等物質，這使得智能水表識別更加困難。對于水表內部，由于水質的問題，會使水表內部產生銹跡、藻類、污垢等物質，對于智能水表識別帶來極大的挑戰。因而，模擬在惡劣環境下生成水表的問題應運而生，其意義主要在于：能夠使智能水表訓練的數據集擴大，增加對惡劣環境下的水表數據集使設備在面對惡劣環境下更精確的識別，從而提高智能水表的識別準確率。
2、基于深度學習的計算機視覺技術不斷發展，大量研究采用基于深度學習的方法來制作智能水表。但是，深度學習算法需要大量水表數據訓練網絡。數據集圖像的數量和數據集的針對性往往決定了檢測網絡的準確度和泛化能力。但是，由于水表所處環境復雜，各個環境下水表的情景也不相同，所以現有的惡劣環境水表圖像難以采集。
3、圖像風格遷移技術，就是通過將風格圖片和目標圖片中的風格和內容進行分離，將風格圖片中的風格與目標圖片的內容進行重新組合，從而生成一張具有風格圖片風格的目標圖片。現有的風格遷移網絡主要分為兩個部分，一是基于卷積神經網絡的風格遷移，核心運用到vgg19網絡；二是基于對抗神經網絡的風格遷移。前者具有遷移穩定，效果好的優點，遷移速度慢的缺點，后者具有
技術實現思路
1、本專利技術提出了一種方法，以解決現有技術中存在的不足，本專利技術要解決的技術問題通過以下技術方案來實現。
2、在針對水表風格遷移時，要求水表的內容圖像結構盡最大的可能進行的保留，同時要保證圖片的顏色不發生改變，那么在選擇現有模型時，最佳選擇卷積網絡來進行風格遷移。
3、基于以上，提出一種基于風格遷移的水表圖像生成數據集方法。
4、為實現上述目的，本專利技術采用下述技術方案。
5、本專利技術的一個方面，提出一種基于風格遷移的水表圖像生成數據集的方法，所述方法具體包括：
6、s1?準備目標圖片和風格圖片，用于風格遷移操作；
7、s2?對數據進行預處理，將風格圖片的尺寸裁剪為內容圖片尺寸后，進行目標圖片和風格圖片掩碼制作和顏色格式轉換；
8、s3?進行模型訓練，對搭載了基于改進的風格遷移的神經網絡模型進行訓練，采用訓練后的神經網絡模型進行目標圖片和風格圖片遷移融合；
9、s4?得到最優參數模型后，進行批量生成數據，以構建水表圖像生成數據集。
10、進一步地，所述s1中，所述目標圖片，通過水表識別設備拍照獲取，從而采集到實際情景下的目標圖片；所述風格圖片，使用高清攝像機拍攝風格照片，對拍攝后的圖片進行風格分類，用人工模擬不同環境下的情景，得到具有不同環境下的風格圖片。
11、進一步地，所述s2中的對數據進行預處理，具體包括：
12、s2.1采用opencv+python程序對風格圖片進行隨機裁剪，裁剪大小和目標圖片保持一致，生成隨機風格的風格圖片；
13、s2.2采用labelme?軟件對目標圖片中水表表盤和水表數字區域進行割離，用兩種數值來語義描述圖像兩部分，使目標圖像和風格圖像在同一編碼的區域進行遷移。
14、進一步地，所述s2的進行目標圖片和風格圖片掩碼制作和顏色格式轉換，具體包括：
15、轉換yuv顏色格式，對目標圖片進行rgb轉yuv顏色格式，通過模型訓練完成后，將yuv顏色格式轉回rgb格式保存。
16、進一步地，所述s3中的模型訓練具體包括：
17、s3.1設置模型參數，對于目標圖片，選擇網絡淺層參數；對于風格圖片，選擇網絡深層參數來提取風格特征；
18、s3.2設置內容損失和風格損失比重；
19、s3.3通過隨機噪點生成模擬水表圖片，對生成圖片的清晰度、遷移紋理、保留色彩方面進行判斷，判斷是否達到預期標準，如果達到預期標準，保存各項參數；如果沒有達到預期標準，繼續調整參數，直至最佳。
20、進一步地，所述s3.1設置模型參數包括設置總損失函數：
21、?（1）
22、所述顏色損失函數定義為：
23、????????????????（6）
24、其中，為內容圖像，為生成圖像，為風格圖像，為總損失函數，為內容損失函數，為風格損失函數；和分別代表內容和風格損失的權重，為圖像平滑函數，為掩碼損失函數，其中，為風格圖片掩碼，為顏色損失函數，和分別表示目標圖片和風格圖片的標準差，和分別表示風格圖片和目標圖片的平均亮度，表示風格圖片亮度。
25、進一步地，所述內容損失函數定義為：
26、?????????????????????（2）
27、其中，表示白噪聲圖像在卷積網絡中第層的內容特征表示，表示第層中第個卷積層上位置處的值，表示內容圖像在卷積網絡中第層的內容特征表示，表示第層中第個卷積層上位置處的值，其中為內容圖像，為生成圖像。
28、進一步地，所述風格損失函數定義為：
29、????????????????（3）
30、其中，和分別為生成圖像和風格圖像得到的特征圖表示，均為gram矩陣，為生成圖像在卷積網絡中層中第個和第個矢量化特征映射之間的內積，為風格圖像在卷積網絡中層中第個和第個矢量化特征映射之間的內積，表示在卷積網絡中第層濾波器的數量，表示在卷積網絡中第層中的特征圖的大小。
31、進一步地，所述圖像平滑函數定義為：
32、??????????????（4）
33、其中，，分別為圖像的高度、寬度、通道，，，分別為圖像像素點所在的行、列、深度，為圖像平滑損失函數的權重系數，為圖像在通道下第行和第列的像素點值，為圖像在通道下第行和第列的像素點值，為圖像在通道下 第行和第列的像素點值。
34、進一步地，所述掩碼損失函數定義為：
35、????????????????（5）
36、其中，和分別為風格掩碼圖像和生成圖像得到的特征圖表示，為風格掩碼圖像在卷積網絡中層中第個和第個的像素點，為生成圖像在卷積網絡中層中第個和第個的像素點，通過上述公式計算風格掩碼圖像和生成圖像的積，來控制目標風格區域的融合。
37、進一步地，在所述s4中的批量生成過程中，將s3中得到的最優參數輸入到遷移網絡中，采用指令集的方式，快速生成相同預期的模擬水表圖片，從而得到不同類別的水表數據集。
38、本專利技術另一個方面，提出一種基于風格遷移的水表圖像生成數據集的裝置，所述裝置包括數據準本文檔來自技高網...
【技術保護點】
1.一種基于風格遷移的水表圖像生成數據集的方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
3.根據權利要求1所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
4.根據權利要求1所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
5.根據權利要求1所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
6.根據權利要求5所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
7.根據權利要求6所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
8.根據權利要求6所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
9.根據權利要求6所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
10.根據權利要求6所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
11.根據權利要求1所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
1
13.一種電子設備，其特征在于，所述設備包括：處理器、存儲器及存儲在所述存儲器上并能夠在所述處理器上運行的計算機程序指令，該計算機程序被處理器執行如權利要求1-11任意一項所述的一種基于風格遷移的水表圖像生成數據集的方法。
14.一種計算機存儲介質，其特征在于，所述計算機存儲介質中存儲有計算機程序指令，所述計算機程序指令被處理器執行時實現如權利要求1-11任意一項所述的一種基于風格遷移的水表圖像生成數據集的方法。
...【技術特征摘要】
1.一種基于風格遷移的水表圖像生成數據集的方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
3.根據權利要求1所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
4.根據權利要求1所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
5.根據權利要求1所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
6.根據權利要求5所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
7.根據權利要求6所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
8.根據權利要求6所述的基于風格遷移的水表圖像生成數據集的方法，其特征在于，
9.根據權利要求6所述的基于風格遷移的水表圖像生成數據集的方法，其特征...
【專利技術屬性】
技術研發人員：張新，丁曉嶸，李曉梅，聶明杰，王柏春，李楠，張興業，田曉宇，高涵，項乾，
申請(專利權)人：北京市智慧水務發展研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。