【技术实现步骤摘要】
用于深度学习的数据自动增强扩充方法、识别方法及系统
本公开涉及目标识别的数据自动增强方法，属于深度学习计算机视觉领域，具体设计一种用于深度学习的数据增强扩充方法、识别方法及系统。
技术介绍
本部分的内容仅仅是提到了与本公开相关的
技术介绍
，并不必然构成现有技术。现今，在深度学习方法的学术研究不断深入的背景下，深度学习方法在实际场景部署也日益广泛，然而由于深度学习方法的成功依赖于大量人工标注的高质量数据，因此时间、资金成本消耗较高的人工标注标签、训练数据集匮乏是限制深度学习网络进一步落地应用的重要因素。常用的已标注开源公共数据集，如IMAGENET数据集，COCO数据集，VOC数据集等，虽然有很完善的标签、注释，而且类目丰富，涵盖了常见的各类物体，但是在实际使用中此类数据集也有很明显的功能性上缺点：并不适合真正在具体的，物体细粒度接近的实际场景中使用。因此实际应用中，多数投入实际使用的深度学习的网络都依赖于特定场景中人工标注的自定义数据集。
技术实现思路
针对于如何在较少原始素材的情况下，快速...
【技术保护点】
1.一种用于深度学习的数据增强扩充方法，其特征在于，步骤包括：/n采集所需识别目标的原始视频数据，并提取原始视频数据中若干个识别目标的原始图像；/n提取原始图像中识别目标的RoI轮廓的种子图像；/n对识别目标的RoI轮廓的种子图像进行图像增强操作，随机抽取图像增强操作后的种子图像进行图像混叠增强，获取若干个合成图像；/n根据若干个识别目标的原始图像和若干个合成图像生成数据集。/n
【技术特征摘要】
1.一种用于深度学习的数据增强扩充方法，其特征在于，步骤包括：
采集所需识别目标的原始视频数据，并提取原始视频数据中若干个识别目标的原始图像；
提取原始图像中识别目标的RoI轮廓的种子图像；
对识别目标的RoI轮廓的种子图像进行图像增强操作，随机抽取图像增强操作后的种子图像进行图像混叠增强，获取若干个合成图像；
根据若干个识别目标的原始图像和若干个合成图像生成数据集。
2.如权利要求1所述的用于深度学习的数据增强扩充的方法，其特征在于，所述采集所需识别目标的原始视频数据的步骤包括：在纯色背景下，对所需识别目标进行环绕拍摄，获取原始视频数据。
3.如权利要求1所述的用于深度学习的数据增强扩充的方法，其特征在于，所述获取原始图像中识别目标的轮廓图像的步骤包括：
提取原始图像中识别目标的RoI轮廓的种子图像；
对识别目标的RoI轮廓的种子图像进行图像增强操作，随机抽取图像增强操作后的种子图像进行图像混叠增强，获取若干个合成图像；
对较接近目标的目标轮廓图像通过轮廓面积、上下图质心位置，综合目标的质心位置、轮廓面积的变化程度选取出置信度最高的轮廓图像；
对置信度最高的轮廓图像进行平滑处理，获取最终RoI轮廓图像；
获取最终轮廓图像中识别目标的轮廓点，并生成每张图片对应的轮廓文件以及标签文件。
4.如权利要求1所述的用于深度学习的数据增强扩充的方法，其特征在于，对识别目标的轮廓图像进行图像增强操作的步骤包括：对每个识别目标进行旋转操作、模糊操作和亮度变化操作。
5.如权利要求1所述的用于深度学习的数据增强扩充的方法，其特征在于，所述随机抽取图像增强操作后的轮廓图像进行图像混叠增强的步骤包括：随机抽取一张图像增强操作后的轮廓图像作为第一目标图像，将第一目标图像作为背景图像，随机抽取除了第一目标图像以外的另一个目标图像作为第二目标图像，获取第二目标图像的目标轮廓，根据第二目标图像的目标轮廓获取掩膜，通过掩膜将第二目标图像的识别目标进行裁剪，经位移、缩放或扩张操作后放入第一目标图像中，获取若干个合成图像。
6.一种用于深度学习的数据增强扩充的系统，其特征在于，包括：
采集模块，被配置为：采集所需识别目标的原始视频数据，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。