通过AI图像识别去掉全景图照片中三脚架的方法及系统与流程

通过ai图像识别去掉全景图照片中三脚架的方法及系统
技术领域
1.本发明属于人工智能和计算机视觉技术领域，具体涉及通过ai图像识别去掉全景图照片中三脚架的方法及系统。


背景技术：

2.在现有技术中，全景图照片的拍摄通常由全景相机拍摄或单反相机结合全景云台方式拍摄生成，然而，由于拍摄时使用的三脚架可能会出现在图像中，这对于希望展示干净、无干扰的全景图照片的用户来说是一个挑战。
3.目前，常见的去除全景图照片中的三脚架的方法是通过图像编辑软件手动修复或利用图像修复算法进行处理，然而，这些方法需要用户手动干预或无法完全准确地去除三脚架，需要相关人员具有一定的平面修图能力，如需处理大量图片时，效率低下，为此本发明提出通过ai图像识别自动去掉全景图照片中三脚架的方法及系统。
4.发明内
5.本发明的目的在于提供通过ai图像识别去掉全景图照片中三脚架的方法及系统，以实现自动、准确、高质量的三脚架去除效果。
6.为实现上述目的，本发明提供如下技术方案：通过ai图像识别去掉全景图照片中三脚架的方法，包括以下步骤：
7.步骤一、收集大量带有三脚架的全景图照片，并对其进行预处理；
8.步骤二、建立基于深度学习的神经网络模型，使用带有标注的全景图照片数据集进行训练；
9.步骤三、将训练好的深度学习模型应用于输入的全景图照片，对图像进行分析和处理，识别和标记出其中的三脚架图像区域；
10.步骤四、基于识别和分割结果，利用ai算法生成图像内容，将三脚架区域与周围背景进行合成，实现去除三脚架并生成无干扰的全景图照片。
11.优选的，所述步骤一中，对数据进行预处理包括去除噪声、调整图像尺寸和格式，所述步骤二中，建立基于深度学习的神经网络模型包括构建深度学习模型，所述步骤三中，对图像进行分析和处理包括调整图像尺寸、色彩校正等，所述步骤四将三脚架区域与周围背景进行合成通过图像修复、背景合成等技术。
12.一种应用于通过ai图像识别去掉全景图照片中三脚架的方法的系统，包括数据收集模块、预处理模块、深度学习模型训练模块、图像识别分割模块和ai图像生成模块，所述数据收集模块用于收集具有三脚架的全景图照片数据集，所述预处理模块包括格式调整子模块、尺寸调整子模块和噪声去除子模块，用于去除噪声、调整图像尺寸和格式等，所述深度学习模型训练模块包括神经网络模型建立子模块、标注子模块和识别和语义分割子模块，通过图像分析和语义分割技术，识别和标记出全景图中的三脚架图像区域，所述图像识别分割模块包括三脚架识别子模块、三脚架标记子模块和三脚架分割子模块，所述ai图像生成模块包括合成子模块和生成子模块，基于识别和分割结果，利用ai算法生成图像内容，
将三脚架区域与周围背景进行合成，生成去除三脚架的全景图照片。
13.与现有技术相比，本发明的有益效果是：
14.1、自动化处理：通过ai图像识别和生成技术，实现对全景图照片中三脚架的自动识别和去除，无需用户手动干预，提高了处理效率和用户体验。
15.2、准确性和质量：利用深度学习和语义分割原理，本发明能够准确地识别和分割三脚架图像，并通过ai图像生成技术生成高质量的图像内容，使去除后的全景图照片更加真实自然。
16.3、广泛适用性：本发明的方法和系统适用于各种类型的全景图照片，无论是由全景相机、单反相机或其他设备拍摄的图像，都能够实现有效的三脚架去除。
附图说明
17.图1为本发明的系统框架图；
18.图2为本发明预处理模块的模块框架图；
19.图3为本发明深度学习模型训练模块的模块框架图；
20.图4为本发明图像识别分割模块的模块框架图；
21.图5为本发明ai图像生成模块的模块框架图；
具体实施方式
22.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
23.实施例
24.请参阅图1至图5，为本发明的实施例，该实施例提供了一种技术方案：通过ai图像识别去掉全景图照片中三脚架的方法，包括以下步骤：
25.步骤一、收集大量带有三脚架的全景图照片，并对其进行预处理；
26.步骤二、建立基于深度学习的神经网络模型，使用带有标注的全景图照片数据集进行训练，通过训练，使模型能够准确地识别和分割三脚架图像区域；
27.步骤三、将训练好的深度学习模型应用于输入的全景图照片，对图像进行分析和处理，识别和标记出其中的三脚架图像区域；
28.步骤四、基于识别和分割结果，利用ai算法生成图像内容，将三脚架区域与周围背景进行合成，实现去除三脚架并生成无干扰的全景图照片。
29.其中，步骤一中，对数据进行预处理包括去除噪声、调整图像尺寸和格式，以便后续的深度学习处理。
30.其中，步骤二中，建立基于深度学习的神经网络模型包括构建深度学习模型。
31.其中，步骤三中，对图像进行分析和处理包括调整图像尺寸、色彩校正等，以提高后续处理的准确性和效果。
32.其中，步骤四将三脚架区域与周围背景进行合成通过图像修复、背景合成等技术。
33.一种应用于通过ai图像识别去掉全景图照片中三脚架的方法的系统，包括数据收
集模块、预处理模块、深度学习模型训练模块、图像识别分割模块和ai图像生成模块，数据收集模块用于收集具有三脚架的全景图照片数据集，预处理模块包括格式调整子模块、尺寸调整子模块和噪声去除子模块，用于去除噪声、调整图像尺寸和格式等，以确保数据质量和一致性，深度学习模型训练模块包括神经网络模型建立子模块、标注子模块和识别和语义分割子模块，通过图像分析和语义分割技术，识别和标记出全景图中的三脚架图像区域，图像识别分割模块包括三脚架识别子模块、三脚架标记子模块和三脚架分割子模块，用于识别和标记出其中的三脚架图像区域，并进行分割，ai图像生成模块包括合成子模块和生成子模块，基于识别和分割结果，利用ai算法生成图像内容，将三脚架区域与周围背景进行合成，生成去除三脚架的全景图照片。
34.尽管已经示出和描述了本发明的实施例(详见上述详尽的描述)，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。


技术特征：
1.通过ai图像识别去掉全景图照片中三脚架的方法，其特征在于：包括以下步骤：步骤一、收集大量带有三脚架的全景图照片，并对其进行预处理；步骤二、建立基于深度学习的神经网络模型，使用带有标注的全景图照片数据集进行训练；步骤三、将训练好的深度学习模型应用于输入的全景图照片，对图像进行分析和处理，识别和标记出其中的三脚架图像区域；步骤四、基于识别和分割结果，利用ai算法生成图像内容，将三脚架区域与周围背景进行合成，实现去除三脚架并生成无干扰的全景图照片。2.根据权利要求1所述的通过ai图像识别去掉全景图照片中三脚架的方法，其特征在于：所述步骤一中，对数据进行预处理包括去除噪声、调整图像尺寸和格式。3.根据权利要求1所述的通过ai图像识别去掉全景图照片中三脚架的方法，其特征在于：所述步骤二中，建立基于深度学习的神经网络模型包括构建深度学习模型。4.根据权利要求1所述的通过ai图像识别去掉全景图照片中三脚架的方法，其特征在于：所述步骤三中，对图像进行分析和处理包括调整图像尺寸、色彩校正等。5.根据权利要求1所述的通过ai图像识别去掉全景图照片中三脚架的方法，其特征在于：所述步骤四将三脚架区域与周围背景进行合成通过图像修复、背景合成等技术。6.一种应用于如权利要求1-5任一项所述的通过ai图像识别去掉全景图照片中三脚架的方法的系统，其特征在于：包括数据收集模块、预处理模块、深度学习模型训练模块、图像识别分割模块和ai图像生成模块，所述数据收集模块用于收集具有三脚架的全景图照片数据集，所述预处理模块包括格式调整子模块、尺寸调整子模块和噪声去除子模块，用于去除噪声、调整图像尺寸和格式等，所述深度学习模型训练模块包括神经网络模型建立子模块、标注子模块和识别和语义分割子模块，通过图像分析和语义分割技术，识别和标记出全景图中的三脚架图像区域。7.根据权利要求6所述的通过ai图像识别去掉全景图照片中三脚架的系统，其特征在于：所述图像识别分割模块包括三脚架识别子模块、三脚架标记子模块和三脚架分割子模块。8.根据权利要求6所述的通过ai图像识别去掉全景图照片中三脚架的系统，其特征在于：所述ai图像生成模块包括合成子模块和生成子模块，基于识别和分割结果，利用ai算法生成图像内容，将三脚架区域与周围背景进行合成，生成去除三脚架的全景图照片。

技术总结
本发明公开了通过AI图像识别去掉全景图照片中三脚架的方法及系统，包括以下步骤：步骤一、收集大量带有三脚架的全景图照片，并进行预处理；步骤二、建立基于深度学习的神经网络模型；一种应用于通过AI图像识别去掉全景图照片中三脚架的方法的系统，包括数据收集模块、预处理模块、深度学习模型训练模块、图像识别分割模块和AI图像生成模块；自动化处理：通过AI图像识别和生成技术，实现对全景图照片中三脚架的自动识别和去除，无需用户手动干预，提高了处理效率和用户体验；准确性和质量：利用深度学习和语义分割原理，本发明能够准确地识别和分割三脚架图像，并通过AI图像生成技术生成高质量的图像内容，使去除后的全景图照片更加真实自然。更加真实自然。更加真实自然。


技术研发人员：陈卓仪
受保护的技术使用者：云创展汇科技（深圳）有限公司
技术研发日：2023.07.11
技术公布日：2023/10/15