样本图像生成方法和装置、图像识别模型生成方法和装置制造方法及图纸

本公开实施例公开了一种样本图像生成方法和装置、图像识别模型生成方法和装置，其中，该方法包括：获取包含第一对象的第一图像和包含第二对象的第二图像；调整第一图像的尺寸至目标尺寸，得到待混合图像；将待混合图像与第二图像混合，得到样本图像；基于第一标签和第二标签，生成样本图像对应的第三标签。本公开实施例可以避免混合后的图像的标签和对象不匹配的问题，也可以避免插入的图像的特征信息出现损失，提高了生成的样本图像的信息完整性，有助于在使用样本图像进行图像识别模型训练时，提高图像识别模型的识别精度。此外，由于是直接对图像进行混合，无需设计额外的算法进行显著性信息提取等操作，因此可以提高生成样本图像的效率。

【技术实现步骤摘要】
样本图像生成方法和装置、图像识别模型生成方法和装置
本公开涉及计算机
，尤其是一种样本图像生成方法和装置、图像识别模型生成方法和装置、计算机可读存储介质和电子设备。
技术介绍
在计算机视觉任务中，卷积神经网络很容易发生过拟合的问题，目前已经有较多的正则化方法用于提升模型的泛化性能，比如，学习率的调整，数据增强等。数据增强在任务中起着关键的作用，好的数据增强方法可以获得优质的图像数据，进而使得模型提取到更好的特征，同时还能提高数据集的多样性，从而防止神经网络出现过拟合，提升模型的泛化性能。现有的数据增强方法包含以下几个方向：基于混合的数据增强，基于显著性信息引导的数据增强和自动数据增强。其中，基于混合的数据增强通过随机裁剪一块图像嵌入到另一张图像中；基于显著性区域指导的混合方法，利用图像的显著性信息(即能够表征图像中的对象的主要特征的信息)指导混合的过程，可以提升数据增强的性能；自动数据增强设计一定的增强操作搜索空间，使用不同的优化算法搜索最佳的数据增强操作组合，最终实现数据增强自适应到不同的数据集和模型。>专利技术内本文档来自技高网...

【技术保护点】
1.一种样本图像生成方法，包括：/n获取包含第一对象的第一图像和包含第二对象的第二图像，其中，所述第一图像具有对应的表征所述第一对象的第一标签，所述第二图像具有对应的表征所述第二对象的第二标签；/n调整所述第一图像的尺寸至目标尺寸，得到待混合图像；/n将所述待混合图像与所述第二图像混合，得到样本图像；/n基于所述第一标签和所述第二标签，生成所述样本图像对应的第三标签。/n

【技术特征摘要】
1.一种样本图像生成方法，包括：
获取包含第一对象的第一图像和包含第二对象的第二图像，其中，所述第一图像具有对应的表征所述第一对象的第一标签，所述第二图像具有对应的表征所述第二对象的第二标签；
调整所述第一图像的尺寸至目标尺寸，得到待混合图像；
将所述待混合图像与所述第二图像混合，得到样本图像；
基于所述第一标签和所述第二标签，生成所述样本图像对应的第三标签。


2.根据权利要求1所述的方法，其中，所述将所述待混合图像与所述第二图像混合，得到样本图像，包括：
从所述第二图像中确定用于插入所述待混合图像的目标位置；
将所述待混合图像插入所述目标位置，得到所述样本图像。


3.根据权利要求2所述的方法，其中，所述从所述第二图像中确定用于插入所述待混合图像的目标位置，包括：
从所述第二图像中随机确定用于插入所述待混合图像的目标位置。


4.根据权利要求2所述的方法，其中，所述从所述第二图像中确定用于插入所述待混合图像的目标位置，包括：
从所述第二图像中确定所述第二对象的位置；
基于所述第二对象的位置，确定用于插入所述待混合图像的目标位置。


5.根据权利要求1所述的方法，其中，所述基于所述第一标签和所述第二标签，生成所述样本图像对应的第三标签，包括：
确定所述待混合图像与所述样本图像的面积比；
基于所述面积比，确定所述第一标签的第一权重和所述第二标签的第二权重；
基于所述第一权重和所述第二权重，生成所述第三标签。


6.一种图像识别模型生成方法，包括：
获取训练样本集合，其中，所述训练样本集合中的训练样本包括样本图像和...

【专利技术属性】
技术研发人员：方杰民，覃杰，王国利，张骞，
申请(专利权)人：北京地平线信息技术有限公司，
类型：发明
国别省市：北京;11