打标处理方法、装置、设备及存储介质与流程

1.本技术打标技术领域，尤其涉及一种打标处理方法、装置、设备及存储介质。


背景技术：

2.目前，打标对于绝大多数涉及到产业链间数据交流的企业都是必不可少的运作环节一部分，只有数据格式一致的情况下，其它作业流程才能实现自动化，但是，除了少数数据存在普遍认可的标准格式外，哪怕存储的数据内容基本一致,大多数数据格式在不同企业间并不一致。例如，家具厂家间并没有一套通用的、标准化的标签系统，在将家具厂商提供的三维模型导入设计平台时以供用户选择时，经常会产生标签的缺失、冲突的问题，需要耗费大量人力进行人工数据清洗及打标，统一为设计平台标准。
3.具体的，对于家居设计平台而言，人工打标及直接将家具图片输入卷积神经网络(convolutional neural networks,cnn)中分类输出标签的方法最为常见的打标方式，但这两种打标方式都有其各自的弊端。具体而言，人工打标方式需要大量专业人员进行，且在出现如风格标签这类结果较为复杂，需要专业知识的标签时，常常会出现不同人员得到不同标签结果的现象，耗费大量专业人员的时间精力，成本较高，且标签数据的正确率不稳定；直接将家具图片输入cnn输出标签的打标方式虽然能够减少人力成本，但对于某些类型的家具而言，单张单角度的图片难以判断其特定属性，如对于床来说单俯视图提供的信息足以令cnn模型学习到其各种特征标签，但对于吊灯则正视图效果更好，反之亦然，并且由于不同类型家具的结构重点不同，没有统一的最佳角度，无法根据固定角度图片确定出所有物体的准确标签，存在打标正确率不稳定的问题。


技术实现要素：

4.有鉴于此，本技术提供了一种打标处理方法、装置、设备及存储介质，以实现自动化模型打标流程，从而解决了现有打标技术中所存在成本高、正确率不稳定的问题。
5.第一方面，本技术提供了一种打标处理方法，包括：
6.获取目标物体的三维模型数据；
7.根据所述三维模型数据，生成所述目标物体的三视图；
8.根据所述三视图进行图像预处理，得到图像压缩数据；
9.将所述图像压缩数据信息输入预先训练的分类打标模型进行分类打标处理，得到所述目标物体对应的标签信息。
10.可选的，所述根据所述三维模型数据，生成所述目标物体的三视图，包括：
11.基于所述三维模型数据进行图像渲染，得到所述目标物体的三维模型视图；
12.将所述三维模型视图对应的正视图、侧视图以及俯视图确定为所述三视图。
13.可选的，所述根据所述三视图进行图像预处理，得到图像压缩数据，包括：
14.分别确定所述正视图的颜色通道图像数据、所述侧视图的颜色通道图像数据以及所述俯视图所的颜色通道图像数据；
15.基于所述所述正视图的颜色通道图像数据、所述侧视图的颜色通道图像数据以及所述俯视图所的颜色通道图像数据进行颜色通道连接处理，得到图像压缩数据。
16.可选的，所述分别确定所述正视图的颜色通道图像数据、所述侧视图的颜色通道图像数据以及所述俯视图所的颜色通道图像数据，包括：
17.将所述正视图按照颜色通道信息进行分离处理，得到第一颜色通道图像数据、第二颜色通道图像数据和第三颜色通道图像数据，并将所述第一颜色通道图像数据、所述第二颜色通道图像数据和所述第三颜色通道图像数据作为所述正视图的颜色通道图像数据；
18.将所述侧视图按照所述颜色通道信息进行分离处理，得到第四颜色通道图像数据、第五颜色通道图像数据和第六颜色通道图像数据，并将所述第四颜色通道图像数据、所述第五颜色通道图像数据和所述第六颜色通道图像数据作为所述侧视图的颜色通道图像数据；
19.将所述俯视图按照所述颜色通道信息进行分离处理，得到第七颜色通道图像数据、第八颜色通道图像数据和第九颜色通道图像数据，将所述第七颜色通道图像数据、所述第八颜色通道图像数据和所述第九颜色通道图像数据作为所述俯视图的颜色通道图像数据。
20.可选的，所述基于所述所述正视图的颜色通道图像数据、所述侧视图的颜色通道图像数据以及所述俯视图所的颜色通道图像数据进行颜色通道连接处理，得到图像压缩数据，包括：
21.按照预设的通道连接方式，对所述第一颜色通道图像数据、第二颜色通道图像数据、第三颜色通道图像数据、第四颜色通道图像数据、第五颜色通道图像数据、第六颜色通道图像数据、第七颜色通道图像数据、第八颜色通道图像数据和第九颜色通道图像数据进行连接组合，得到所述图像压缩数据。
22.可选的，所述将所述压缩数据信息输入预先训练的模型中，得到标签信息之前，包括:
23.获取样本物体的三视图和所述样本物体对应的样本标签信息；
24.依据所述样本物体的三视图进行图像预处理，得到样本物体对应的样本图像压缩数据；
25.采用所述样本图像压缩数据和所述样本标签信息进行模型训练，得到所述分类打标模型。
26.可选的，所述目标物体包含家具；所述标签信息包含风格标签信息、颜色标签信息、材质标签信息和类别标签信息中的至少一种。
27.第二方面，本技术提供了一种打标处理装置，包括：
28.三维模型数据获取模块，用于获取目标物体的三维模型数据；
29.三视图确定模块，用于根据所述三维模型数据，生成所述目标物体的三视图；
30.图像压缩数据确定模块，用于根据所述三视图进行图像预处理，得到图像压缩数据；
31.标签信息确定模块，用于将所述图像压缩数据信息输入预先训练的分类打标模型进行分类打标处理，得到所述目标物体对应的标签信息。
32.第三方面，本技术提供了一种电子设备，其特征在于，包括处理器、通信接口、存储
器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
33.存储器，用于存放计算机程序；
34.处理器，用于执行存储器上所存放的程序时，实现如第一方面任一项实施例所述的打标处理方法的步骤。
35.第四方面，本技术提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的打标处理方法的步骤。
36.本技术实施例通过根据获取到的目标物体的三维模型数据生成目标物体的三视图，并根据三视图进行图像预处理，得到图像压缩数据，随后将图像压缩数据信息输入预先训练的分类打标模型进行分类打标处理，得到目标物体对应的标签信息，从而实现了自动化模型打标流程，解决了现有打标技术中所存在的正确率不稳定，成本高的问题，达到降低人力成本的同时提保证识别准确率。
附图说明
37.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
38.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
39.图1为本技术实施例提供的一种打标处理方法的流程示意图；
40.图2为本技术一个可选实施例提供的打标处理方法的流程示意图；
41.图3为本技术一个示例提供的目标物体的三视图示意图；
42.图4为本技术实施例提供的分类打标模型训练方法的流程示意图；
43.图5为本技术实施例提供的一种打标处理设备的结构示意图。
具体实施方式
44.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
45.用户在使用室内家居设计平台进行空间设计、家具选择时，家具标签筛选功能能够快速地为用户缩小选择范围，提高用户的使用体验如用户可能会通过选择(现代-木质-咖啡色-双人床)这四个标签来进行筛选。在相关技术中，考虑到不同类型的家具具有不同的结构重点，没有统一的最佳角度，通过单张图片难以准确判断其属性特征，直接将家具的三维模型输入到cnn模型中训练判别模型，以提高打标识别准确率，但是该技术尚不成熟且算力要求相对于图片输入的cnn模型更高。
46.本技术的核心构思之一在于，提出一种打标处理方法，通过将三维模型数据降维并运用cnn技术，实现自动化模型打标流程，达到降低人力成本的同时提保证识别准确率。
47.具体的，本技术实施例在获取目标物体的三维模型数据后，根据获取到的目标物
体的三维模型数据生成目标物体的三视图，并根据三视图进行图像预处理，得到图像压缩数据，随后将图像压缩数据信息输入预先训练的分类打标模型进行分类打标处理，以将家居三维模型降维并运用cnn技术，得到目标物体对应的标签信息，从而实现了自动化模型打标流程，解决了现有打标技术中所存在的正确率不稳定，成本高的问题，达到降低人力成本的同时提保证识别准确率。
48.为便于对本技术实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本技术实施例的限定。
49.图1为本技术实施例提供的一种打标处理方法的流程示意图。
50.步骤110，获取目标物体的三维模型数据；
51.其中，目标物体可以指待打标的物体，具体可以包含待打标的家具，也可以包含其他物体；三维模型数据可以指三维模型(object，obj)格式文件的模型数据，本技术实施例对此不做具体限制。
52.步骤120，根据所述三维模型数据，生成所述目标物体的三视图；
53.具体的，本技术实施例可以在获取到目标物体的三维模型数据后，将该三维模型数据进行渲染，以得到可以旋转移动的三维视图，随后可以将该三维视图沿着x轴、y轴和z轴进行旋转，以得到目标物体的三视图，以便后续可以根据该三视图进行图像预处理，以得到图像压缩数据，即执行步骤130。
54.步骤130，根据所述三视图进行图像预处理，得到图像压缩数据；
55.具体的，本技术实施例在得到目标物体三视图后，以将三视图按照颜色通道进行分离处理，以得到正视图、俯视图、侧视图分别对应的颜色通道图像数据，随后可以将正视图、俯视图、侧视图分别对应的颜色通道图像数据进行结合处理，以确定目标物体的图像压缩数据，以便后续可以将图像压缩数据输入预先训练的分类打标模型中，以进行分类打标处理，得到目标物体对应的标签信息，即执行步骤140。
56.其中，三视图可以包括目标物体的正视图、俯视图和侧视图；颜色通道数据可以指目标物体的三视图在按照颜色通道进行分离处理后，得到的图像数据，每个颜色通道数据可以包含一张图片的一个颜色通道包含的数据信息，目标物体的正视图、俯视图、侧视图分别对应三个颜色通道数据；图像压缩数据可以指将目标物体的三视图对应的颜色通道数据进行结合处理后得到的压缩数据，具体可以指目标物体三视图图片宽信息、图片长信息和图片的颜色通道数量信息，本技术实施例对此不做具体限制。
57.步骤140，将所述图像压缩数据输入预先训练的分类打标模型进行分类打标处理，得到所述目标物体对应的标签信息。
58.具体的，本技术实施例在确定出目标物体的图像压缩数据后，可以将该图像压缩数据输入到预先训练的分类打标模型中，以通过该分类打标模型对目标物体进行分类打标处理，得到目标物体对应的标签信息，从而实现了自动化模型打标流程，解决了现有打标技术中所存在的正确率不稳定，成本高的问题，达到降低人力成本的同时提保证识别准确率。
59.其中，标签信息可以包括目标物体的风格标签信息、类别标签信息、颜色标签信息和/或材质标签信息等，本技术实施例对此不作具体限制。例如，在目标物体包含家具的情况下，某个家具的标签信息可以为现代-木质-咖啡色-双人床。
60.可见，本技术实施例通过根据获取到的目标物体的三维模型数据生成目标物体的
三视图，并根据三视图进行图像预处理，得到图像压缩数据，随后将图像压缩数据信息输入预先训练的分类打标模型进行分类打标处理，得到目标物体对应的标签信息，从而实现了自动化模型打标流程，解决了现有打标技术中所存在的正确率不稳定，成本高的问题，达到降低人力成本的同时提保证识别准确率。
61.参照图2，示出了本技术可选实施例提供的一种打标处理方法，具体而言，本技术可选实施例提供的打标处理方法具体可以包括如下步骤：
62.步骤210，获取目标物体的三维模型数据；
63.步骤220，基于所述三维模型数据进行图像渲染，得到所述目标物体的三维模型视图；
64.步骤230，将所述三维模型视图对应的正视图、侧视图以及俯视图确定为所述三视图；
65.具体而言，如图3所示，本技术实施例在获取到目标物体的三维模型数据后，可以通过渲染工具对三维模型数据进行渲染，得到目标物体的三维模型视图，随后可以将三维模型视图分别沿着x轴、y轴、z轴顺时针旋转90度，并将旋转后的视图进行图片截取，以确定目标物体的正视图、侧视图和俯视图，随后可以将正视图、侧视图和俯视图确定为目标物体的三视图，以便后续根据该三视图确定出图像压缩数据，并将该图像压缩数据输入到预先训练好的模型中，从而确定目标物体的标签信息。
66.作为本技术的一个示例，本技术示例在获取到目标物体的三维模型数据后，可以将该三维模型数据输入到三维(three-dimensional，3d)渲染工具，如3d max中，随后可以在电脑中渲染该3d模型数据，以可视化该三维模型数据的结构和颜色，并得到该三维模型数据对应的可以旋转、移动的三维模型视图，随后可以将该目标物体的三维模型视图的中心点置于电脑屏幕的中点，并将该三维模型视图分别沿着x轴、y轴、z轴顺时针旋转90度，并截取其大小统一、中心对齐的正视图、侧视图和俯视图，并将三维模型对应的正视图、侧视图以及俯视图确定为三视图，随后将三张图片输出。
67.此外，除了可以截取目标物体的三维视图的三视图外，还可以截取三维视图的其他角度的视角，如斜45度视角等。
68.步骤240，分别确定所述正视图的颜色通道图像数据、所述侧视图的颜色通道图像数据以及所述俯视图所的颜色通道图像数据；
69.步骤250，基于所述所述正视图的颜色通道图像数据、所述侧视图的颜色通道图像数据以及所述俯视图所的颜色通道图像数据进行颜色通道连接处理，得到图像压缩数据；
70.步骤260，将所述图像压缩数据输入预先训练的分类打标模型进行分类打标处理，得到所述目标物体对应的标签信息。
71.具体而言，本技术实施例在确定目标物体的三视图后，可以按照颜色通道信息将三视图进行颜色通道分离处理，并得到正视图的颜色通道图像数据、侧视图的颜色通道图像数据以及俯视图所的颜色通道图像数据，随后可以将正视图的颜色通道图像数据、侧视图的颜色通道图像数据以及俯视图所的颜色通道图像数据进行结合处理，以得到包含目标物体的三视图的颜色通道图像数据的压缩数据，从而可以将该图像压缩数据输入到预先训练的分类打标模型中进行分类打标处理，以得到目标物体对应的标签信息。
72.可选的，本技术实施例分别确定所述正视图的颜色通道图像数据、所述侧视图的
颜色通道图像数据以及所述俯视图所的颜色通道图像数据，具体可以包括：将所述正视图按照颜色通道信息进行分离处理，得到第一颜色通道图像数据、第二颜色通道图像数据和第三颜色通道图像数据，并将所述第一颜色通道图像数据、所述第二颜色通道图像数据和所述第三颜色通道图像数据作为所述正视图的颜色通道图像数据；将所述侧视图按照所述颜色通道信息进行分离处理，得到第四颜色通道图像数据、第五颜色通道图像数据和第六颜色通道图像数据，并将所述第四颜色通道图像数据、所述第五颜色通道图像数据和所述第六颜色通道图像数据作为所述侧视图的颜色通道图像数据；将所述俯视图按照所述颜色通道信息进行分离处理，得到第七颜色通道图像数据、第八颜色通道图像数据和第九颜色通道图像数据，将所述第七颜色通道图像数据、所述第八颜色通道图像数据和所述第九颜色通道图像数据作为所述俯视图的颜色通道图像数据。
73.在实际处理中，本技术实施例在获取到图片长和图片宽均为100的目标物体的三视图的情况下，对于图片的每个像素而言，每个像素均由rgb三个颜色通道来表达该像素的颜色信息，则目标物体的正视图、俯视图、侧视图的总维度均为100*100*3，随后可以将目标物体的三视图按照颜色通道信息进行颜色通道分离，得到正视图的第一颜色通道对应的第一颜色通道图像数据、正视图的第二颜色通道对应的第二颜色通道图像数据和正视图的第三颜色通道对应的第三颜色通道图像数据，并将第一颜色通道图像数据、第二颜色通道图像数据和第三颜色通道图像数据作为所述正视图的颜色通道图像数据；侧视图的第一颜色通道对应的第四颜色通道图像数据、侧视图的第二颜色通道对应的第五颜色通道图像数据和侧视图的第三颜色通道对应的第六颜色通道图像数据，并将第四颜色通道图像数据、第五颜色通道图像数据和第六颜色通道图像数据作为所述侧视图的颜色通道图像数据；附视图的第一颜色通道对应的第七颜色通道图像数据、附视图的第二颜色通道对应的第八颜色通道图像数据和附视图的第三颜色通道对应的第九颜色通道图像数据，并将第七颜色通道图像数据、第八颜色通道图像数据和第九颜色通道图像数据作为所述附视图的颜色通道图像数据。
74.其中，第一颜色通道可以为颜色通道中的红色通道，第二颜色通道可以为颜色通道中的绿色通道，第三颜色通道可以为颜色通道中的蓝色通道，本技术实施例对此不做具体限制。
75.可选的，本技术实施例基于所述所述正视图的颜色通道图像数据、所述侧视图的颜色通道图像数据以及所述俯视图所的颜色通道图像数据进行颜色通道连接处理，得到图像压缩数据，具体可以包括：按照预设的通道连接方式，对所述第一颜色通道图像数据、第二颜色通道图像数据、第三颜色通道图像数据、第四颜色通道图像数据、第五颜色通道图像数据、第六颜色通道图像数据、第七颜色通道图像数据、第八颜色通道图像数据和第九颜色通道图像数据进行连接组合，得到所述图像压缩数据。
76.其中，预设的通道连接方式可以指按照第一颜色通道图像数据到第九颜色通道图像数据的顺序进行连接。当然，本技术实施例除了可以按照预设的通道连接方式对第一颜色通道图像数据、第二颜色通道图像数据、第三颜色通道图像数据、第四颜色通道图像数据、第五颜色通道图像数据、第六颜色通道图像数据、第七颜色通道图像数据、第八颜色通道图像数据以及第九颜色通道图像数据进行连接组合，之外，还可以采用其他方式对第一颜色通道图像数据、第二颜色通道图像数据、第三颜色通道图像数据、第四颜色通道图像数
据、第五颜色通道图像数据、第六颜色通道图像数据、第七颜色通道图像数据、第八颜色通道图像数据以及第九颜色通道图像数据进行连接组合，如可以基于第一颜色信息，将第一颜色通道图像数据、第四颜色通道图像数据和第七颜色通道图像数据进行通道连接处理，得到第一颜色通道压缩数据；基于第二颜色信息，将第二颜色通道图像数据、第五颜色通道图像数据和第八颜色通道图像数据进行通道连接处理，得到第二颜色通道压缩数据；基于第三颜色信息，将第三颜色通道图像数据、第六颜色通道图像数据和第九颜色通道图像数据进行通道连接处理，得到第三颜色通道压缩数据；将第一颜色通道压缩数据、第二颜色通道压缩数据和第三颜色通道压缩数据结合处理，得到图像压缩数据。
77.具体而言，本技术实施例在得到目标物体的正视图对应的第一颜色通道图像数据、第二颜色通道图像数据、第三颜色通道图像数据，侧视图对应的第四颜色通道图像数据、第五颜色通道图像数据、第六颜色通道图像数据以及俯视图对应的第六颜色通道图像数据、第七颜色通道图像数据、第八颜色通道图像数据和第九颜色通道图像数据后，可以依据预设的通道连接方式将第一颜色通道图像数据、第二颜色通道图像数据、第三颜色通道图像数据、第四颜色通道图像数据、第五颜色通道图像数据、第六颜色通道图像数据、第七颜色通道图像数据、第八颜色通道图像数据和第九颜色通道图像数据进行通道连接处理，得到包含有9个颜色通道的图像压缩数据，该图像压缩数据的总维度为100*100*9，以便后续可以根据该图像压缩数据确定标签信息，从而实现了自动化模型打标流程，解决了现有打标技术中所存在的正确率不稳定，成本高的问题，达到降低人力成本的同时提保证识别准确率。
78.可见，本技术实施例通过根据获取到的目标物体的三维模型数据生成目标物体的三视图，并根据三视图进行图像预处理，得到图像压缩数据，随后将图像压缩数据信息输入预先训练的分类打标模型进行分类打标处理，得到目标物体对应的标签信息，从而实现了自动化模型打标流程，解决了现有打标技术中所存在的正确率不稳定，成本高的问题，达到降低人力成本的同时提保证识别准确率。
79.参照图4，示出了本技术可选实施例提供的一种打标处理方法，具体而言，本技术可选实施例提供的打标处理方法可以应用于模型训练阶段，该打标处理方法具体可以包括如下步骤：
80.步骤410，获取样本物体的三视图和所述样本物体对应的样本标签信息；
81.步骤420，依据所述样本物体的三视图进行图像预处理，得到样本物体对应的样本图像压缩数据；
82.步骤430，采用所述样本图像压缩数据和所述样本标签信息进行模型训练，得到所述分类打标模型。
83.具体而言，本技术实施例在将所述压缩数据信息输入预先训练的模型中，得到标签信息之前，可以获取样本物体的三视图和该样本物体的标签信息，如可以获得某个样本物体的标签信息为现代-木质-咖啡色-双人床，随后可以将该样本物体的三视图进行图像预处理，得到总维度为图片长*图片宽*9的样本图像压缩数据，以将该样本图像压缩数据和样本标签信息输入到深度学习模型中，以进行模型训练，得到分类打标模型。
84.其中，分类打标模型可以包括风格分类打标模型，类别分类打标模型，颜色分类打标模型、材质分类打标模型等，在进行模型训练时，可以将样本物体的三视图和样本物体的
风格标签，如现代风格，共同输入到深度学习模型中进行模型训练得到风格分类打标模型；将样本物体的三视图和样本物体的类别标签，如双人床，共同输入到深度学习模型中进行模型训练得到类别分类打标模型；将样本物体的三视图和样本物体的材质标签，如木质，共同输入到深度学习模型中进行模型训练得到材质分类打标模型；将样本物体的三视图和样本物体的颜色标签，如咖啡色，共同输入到深度学习模型中进行模型训练得到颜色分类打标模型。
85.其中，深度学习模型可以包括：cnn。此外，通常来说，输入cnn的图片通常为包含3个颜色通道的图像，即总维度为图片长*图片宽*3的图像压缩数据，而在本技术实施例中，输入cnn的图像数据为包含有9个颜色通道的图像，即总维度为图片长*图片宽*9的图像压缩数据，因此，在将样本图像压缩数据和样本标签信息输入到cnn中时，需要将cnn第一层神经元输入通道由3个通道调整为9个通道。
86.进一步而言，本技术实施例还提供了一种打标处理装置的结构示意图，如图5所示，本技术实施例提供的打标处理装置500可以包括以下模块：
87.三维模型数据获取模块510，用于获取目标物体的三维模型数据；三视图确定模块520，用于根据所述三维模型数据，生成所述目标物体的三视图；
88.图像压缩数据确定模块530，用于根据所述三视图进行图像预处理，得到图像压缩数据；
89.标签信息确定模块540，用于将所述图像压缩数据信息输入预先训练的分类打标模型进行分类打标处理，得到所述目标物体对应的标签信息。
90.可选的，所述三视图确定模块520包括如下子模块：
91.三维模型视图确定子模块：用于基于所述三维模型数据进行图像渲染，得到所述目标物体的三维模型视图；
92.三视图确定子模块：用于将所述三维模型视图对应的正视图、侧视图以及俯视图确定为所述三视图。
93.可选的，所述图像压缩数据确定模块530包括如下子模块：
94.颜色通道图像数据确定子模块：用于分别确定所述正视图的颜色通道图像数据、所述侧视图的颜色通道图像数据以及所述俯视图所的颜色通道图像数据；
95.图像压缩数据确定子模块：用于基于所述所述正视图的颜色通道图像数据、所述侧视图的颜色通道图像数据以及所述俯视图所的颜色通道图像数据进行颜色通道连接处理，得到图像压缩数据。
96.可选的，所述颜色通道图像数据确定子模块包括如下子单元：
97.正视图颜色通道图像数据确定子单元，用于将所述正视图按照颜色通道信息进行分离处理，得到第一颜色通道图像数据、第二颜色通道图像数据和第三颜色通道图像数据，并将所述第一颜色通道图像数据、所述第二颜色通道图像数据和所述第三颜色通道图像数据作为所述正视图的颜色通道图像数据；
98.侧视图颜色通道图像数据确定子单元，用于将所述侧视图按照所述颜色通道信息进行分离处理，得到第四颜色通道图像数据、第五颜色通道图像数据和第六颜色通道图像数据，并将所述第四颜色通道图像数据、所述第五颜色通道图像数据和所述第六颜色通道图像数据作为所述侧视图的颜色通道图像数据；
99.附视图颜色通道图像数据确定子单元，用于将所述俯视图按照所述颜色通道信息进行分离处理，得到第七颜色通道图像数据、第八颜色通道图像数据和第九颜色通道图像数据，将所述第七颜色通道图像数据、所述第八颜色通道图像数据和所述第九颜色通道图像数据作为所述俯视图的颜色通道图像数据。
100.可选的，所述图像压缩数据确定子模块包括如下子单元：
101.图像压缩数据确定子单元，用于按照预设的通道连接方式，对所述第一颜色通道图像数据、第二颜色通道图像数据、第三颜色通道图像数据、第四颜色通道图像数据、第五颜色通道图像数据、第六颜色通道图像数据、第七颜色通道图像数据、第八颜色通道图像数据和第九颜色通道图像数据进行连接组合，得到所述图像压缩数据。
102.可选的，所述打标处理装置500还包括：
103.样本物体信息确定模块，用于获取样本物体的三视图和所述样本物体对应的样本标签信息；
104.样本图像压缩数据确定模块，用于依据所述样本物体的三视图进行图像预处理，得到样本物体对应的样本图像压缩数据；
105.分类打标模型训练模块，用于采用所述样本图像压缩数据和所述样本标签信息进行模型训练，得到所述分类打标模型。
106.可选的，本技术实施例中的目标物体包含家具；所述标签信息包含风格标签信息、颜色标签信息、材质标签信息和类别标签信息中的至少一种。
107.进一步的，本技术实施例还提供了一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现上述任意一个方法实施例所述的打标处理方法的步骤。
108.进一步的，本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述任意一个方法实施例所述的打标处理方法的步骤。
109.需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
110.以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。