图像获取、目标识别、模型训练方法及设备技术

本发明专利技术公开了一种图像获取、目标识别、模型训练方法及设备。图像数据获取方法包括：对第一图像进行处理获取正样本集；以及，对第一图像和/或第二图像进行处理获取负样本集；第一图像包含目标对象，第二图像不包含目标对象；基于正样本集和负样本集进行样本组合，得到不相同的多个图像子集；多个图像子集中每两个图像子集中的正样本和/或负样本不同；多个图像子集用于训练同一个图像处理模型。通过上述方式，本发明专利技术能够缓解图像处理模型过拟合，提高图像处理模型的可靠性，还有利于减小训练代价。代价。代价。

【技术实现步骤摘要】
图像获取、目标识别、模型训练方法及设备


[0001]本专利技术涉及图像处理的
，特别是涉及一种图像数据获取方法、目标识别模型训练方法、目标识别方法、电子设备以及计算机可读存储介质。

技术介绍

[0002]在图像处理模型的训练任务中，例如图像分割、目标识别、文字识别、目标分类以及目标定位等，图像处理模型所能够纳入并进行处理的样本有限，导致图像处理模型过拟合，影响图像处理模型的可靠性，并且在图像处理模型的训练过程中同时纳入大量样本，训练代价较大。

技术实现思路

[0003]有鉴于此，本专利技术主要解决的技术问题是提供一种图像数据获取方法、图像处理模型训练方法、目标识别方法、电子设备以及计算机可读存储介质，能够缓解图像处理模型过拟合，提高图像处理模型的可靠性，还有利于减小训练代价。
[0004]为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种图像数据获取方法。该图像数据获取方法包括：对第一图像进行处理获取正样本集；以及，对第一图像和/或第二图像进行处理获取负样本集；第一图像包含目标对象，第二图像不包含目标对象本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像数据获取方法，其特征在于，包括：对第一图像进行处理获取正样本集；以及，对所述第一图像和/或第二图像进行处理获取负样本集；所述第一图像包含目标对象，所述第二图像不包含所述目标对象；基于所述正样本集和所述负样本集进行样本组合，得到不相同的多个图像子集；所述多个图像子集中每两个图像子集中的正样本和/或负样本不同；所述多个图像子集用于训练同一个图像处理模型。2.根据权利要求1所述的图像数据获取方法，其特征在于，所述基于所述正样本集和所述负样本集进行样本组合，得到不相同的多个图像子集包括：基于所述正样本集和所述负样本集，进行N1个样本组合操作，得到不相同的N1个图像子集；其中，一个所述样本组合操作中，从所述正样本集中选取至少部分正样本；以及从所述负样本集合中选取部分负样本；将选取的正样本和选取的负样本组成的集合，确定为所述N1个图像子集中的一个图像子集；所述N1为大于1的整数；所述N1个样本组合操作的不同样本组合操作中：选取的所述正样本至少部分不同，或，选取的所述负样本至少部门不同，或，选取的所述正样本至少部分不同且选取的所述负样本至少部分不同。3.根据权利要求1所述的图像数据获取方法，其特征在于，所述基于所述正样本集和所述负样本集进行样本组合，得到不相同的多个图像子集，包括：将所述负样本集划分为N2个负样本子集；每两个所述负样本子集中至少部分负样本不同，所述N2为大于1的整数；分别将所述N2个负样本子集和所述正样本集进行样本组合，得到N2个图像子集。4.如权利要求3所述的图像数据获取方法，其特征在于，所述分别将所述N2个负样本子集和所述正样本集进行样本组合，得到N2个图像子集，包括：针对所述N2个负样本子集，分别执行如下操作：从所述N2个负样本子集中的一个负样本子集中至少选取出部分负样本；将所述正样本集中的至少部分正样本和选取出的负样本组成的集合，确定为所述N2个负样本子集中的一个图像子集。5.根据权利要求1
‑
4任一项所述的图像数据获取方法，其特征在于，所述负样本集中负样本的总数量大于所述正样本集中正样本的总数量。6.根据权利要求1所述的图像数据获取方法，其特征在于，所述对第一图像进行处理获取正样本集包括：获取所述第一图像中各个目标对象所在区域的目标区域图像，将获取的各个所述目标区域图像作为所述正样本集中的正样本。7.根据权利要求6所述的图像数据获取方法，其特征在于，所述对所述第一图像进行处理获取负样本集，包括：确定所述第一图像中除所述目标区域图像外的剩余区域图像；对所述剩余区域图像进行处理获取背景区...

【专利技术属性】
技术研发人员：王超运，殷俊，潘华东，孙鹤，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：