一种基于GAN的特定海域数据集增广方法技术

本发明专利技术公开了一种基于GAN的特定海域数据集增广方法，属于计算机视觉领域，包括以下步骤：采集特定海域的水下图像，构成真实水下图像数据集；构建生成对抗网络；生成器对真实的水下图像的退化特性和以及渐晕效果进行学习，得到学习后生成器，并在生成器中得到真实水下图像数据集的衰减、散射、渐晕模型参数，公开数据集在学习后生成器上进行图像合成，得到真实水下图像的合成图像数据集，将真实水下图像的合成图像数据集和真实水下图像数据集一起输入到判别器中进行判别，实现真实水下图像的增广，该方法在数据集上训练识别网络避免过拟合现象，解决海洋公开数据集样本数较小、真实样本获取困难的问题。

A method of data set augmentation for specific sea area based on GaN

【技术实现步骤摘要】
一种基于GAN的特定海域数据集增广方法
本专利技术涉及计算机视觉领域，尤其涉及一种基于GAN的特定海域数据集增广方法。
技术介绍
深度学习目前已广泛应用于水下物体的检测识别，取得了较好的效果，具体而言这些识别网络的出色性能归因于其功能强大的特征提取器，但深度学习网络的训练需要大量标记的样本，否则会出现过拟合现象；水下的各类物体数据集很难获取，公开的数据集也存在样本数量小的问题；因此，水下数据集的增广工作被广泛关注，例如翻转、裁切、偏色、模糊等；Zhang等人采用了平移、缩放、锐化、旋转的增广方法来减少过拟合的程度；Charalamous和Bharath引入了一种基于模拟的方法和特定主题的数据集，可用于生成合成视频帧和序列以进行数据增强。目前，针对于水下数据集的增广工作将重心放在图片的处理上，例如对图片通过单应性变换来模拟不同的拍摄角度、对主动照射形成的不均匀光照进行刻画模拟、对海洋湍流通过图片复原的逆过程模拟不同程度的退化等，而水下环境特有的图像退化在增广工作中没有被考虑，因此本专利技术对水下退化进行描述且通过生成对抗网络进行特定水域的本文档来自技高网...

【技术保护点】
1.一种基于GAN的特定海域数据集增广方法，其特征在于：包括以下步骤：/nS1:采集特定海域的水下图像，构成真实水下图像数据集；/nS2:构建生成对抗网络，所述生成对抗网络包括：生成器和判别器；/nS3:所述生成器对真实的水下图像的退化特性和以及渐晕效果进行学习，得到学习该特定海域特征后的生成器，在生成器中经过训练得到真实水下图像数据集的衰减、散射、渐晕模型参数；/nS4:公开数据集在学习后的生成器上进行图像合成，得到真实水下图像的合成图像数据集；/nS5:将真实水下图像的合成图像数据集和真实水下图像数据集一起输入到判别器中进行判别，返回的真实水下图像和真实水下图像的合成图像均带有分类标签，当...

【技术特征摘要】
1.一种基于GAN的特定海域数据集增广方法，其特征在于：包括以下步骤：
S1:采集特定海域的水下图像，构成真实水下图像数据集；
S2:构建生成对抗网络，所述生成对抗网络包括：生成器和判别器；
S3:所述生成器对真实的水下图像的退化特性和以及渐晕效果进行学习，得到学习该特定海域特征后的生成器，在生成器中经过训练得到真实水下图像数据集的衰减、散射、渐晕模型参数；
S4:公开数据集在学习后的生成器上进行图像合成，得到真实水下图像的合成图像数据集；
S5:将真实水下图像的合成图像数据集和真实水下图像数据集一起输入到判别器中进行判别，返回的真实水下图像和真实水下图像的合成图像均带有分类标签，当返回分类标签中真实水下图像和真实水下图像的合成图像达到特定的比例，表示生成器中的模型参数符合真实水下图像数据集，实现真实水下图像的增广。


2.根据权利要求1所述一种基于GAN的特定海域数据集增广方法，其特征在于：所述水下退化特性包括光束衰减特性和光束散射特性。


3.根据权利要求1所述一种基于GAN的特定海域数据集增广方法，其特征在于：所述生成器包括衰减模块、散射模块和渐晕效果模块；
所述判别器采用URGAN中的判别器；
所述衰减模块和所述散射模块将输入的真实的水下图像经过衰减处理和散射处理之后再合成并传送给所述渐晕效果模块进行渐晕效果处理得到真实水下图像的合成图像；
所...

【专利技术属性】
技术研发人员：王宁，王荣峰，陈廷凯，李春艳，田嘉禾，王宁，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁;21