一种面向交通标志目标检测领域的数据增强方法技术

本发明专利技术公开了一种面向交通标志目标检测领域的数据增强方法，该方法通过对交通标志数据集中数量较少的类别针对性地级联多个数据增强方法进行数据增强，解决了数据集中类别分布的长尾问题，同时使训练出的模型可以应对道路场景中复杂的实际情况；本发明专利技术针对每种类别使用不同的数据增强策略，使得数据增强算法生成的图片在丰富交通标志样本特征的同时不破坏交通标志本身的重要特征，提高了模型在各种复杂应用场景下的准确率；使用模拟退火算法搜索最佳的数据增强超参数组，在广大的超参数空间中搜索到最优的超参数解。间中搜索到最优的超参数解。间中搜索到最优的超参数解。

【技术实现步骤摘要】
一种面向交通标志目标检测领域的数据增强方法


[0001]本专利技术涉及计算机视觉和目标检测
，特别是涉及一种面向交通标志目标检测领域的数据增强方法。

技术介绍

[0002]在计算机视觉目标检测领域，基于深度学习的目标检测算法通过对数据集的学习获得推理出图片中目标的位置以及类别的能力。最新的基于深度学习的目标检测模型如YOLOv5、Mask RCNN等算法在众多数据集上表现优秀，但是为了防止在训练过程中产生过拟合现象，需要大量的数据进行训练才能发挥出算法的效果。由于现实世界中不同类别的交通标志出现概率不同，很多交通标志数据集会有比较严重的样本不均衡问题，模型无法在样本数量少的交通标志类别上达到较高的准确率，所以需要一种方法解决交通标志数据集中的长尾问题。
[0003]对于长尾问题，一般采用数据增强重采样的方法解决，常用的数据增强方法有几何变换、色彩空间变换、卷积核滤波、多图融合等。这些数据增强方法对于行人、车辆等目标可以增大样本量，但是对于交通标志，其颜色和形状带有非常重要的特征信息，不适当的数据增强策略会对其特征造成破坏从而导致模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向交通标志目标检测领域的数据增强方法，其特征在于，包括如下步骤：步骤S1、获取交通标志数据集，并且对该数据集进行数据分析，统计出数据集中各个样本类别在数量上的分布，然后将小样本类别中包含的每一张图像与数据集中的其他图像建立随机匹配关系，其中，所述小样本类别中的图像数量低于阀值的样本类别为所述小样本类别；步骤S2、对所述小样本类别的图像进行裁剪操作，裁剪出图像中的交通标志，并对交通标志进行第一数据增强操作，然后将经过了第一数据增强操作后的交通标志进行第二数据增强操作，所述第二数据增强操作具体为根据所述步骤S1中建立的随机匹配关系，以及概率的约束，将经过了第一数据增强操作后的交通标志嵌入到被匹配的图像中，然后再对被嵌入的图像进行第三数据增强操作；步骤S3、随机生成超参数，通过该超参数来控制所述步骤S2中的第一数据增强操作、第二数据增强操作和第三数据增强操作，然后获取并使用经过数据增强后的交通标志数据集对目标检测模型进行训练以及测试，最后获得目标检测模型在各个样本类别上的平均识别准确率；步骤S4、通过模拟退火算法进行迭代计算，对所述超参数进行更新，直到获取最优超参数。2.根据权利要求1所述的一种面向交通标志目标检测领域的数据增强方法，其特征在于，所述交通标志数据集为德国交通标志检测数据集GTSDB。3.根据权利要求1所述的一种面向交通标志目标检测领域的数据增强方法，其特征在于，在所述步骤S1中，所述阀值为所述交通标志数据集中包括的图像总数的10％。4.根据权利要求1所述的一种面向交通标志目标检测领域的数据增强方法，其特征在于，在所述步骤S1中，所述其他图像为所述交通标志数据集中非小样本类别的图像，并且小样本类别中包含的每一张图像被匹配到的图像数量大于所述交通标志数据集中图像总数的20％。5.根据权利要求1所述的一种面向交通标志目标检测领域的数据增强方法，其特征在于，在所述步骤S2中，所述第一数据增强操作为几何变换数据增强方法，该几何变换数据增...

【专利技术属性】
技术研发人员：陆生礼，夏绍邦，梁天柱，
申请(专利权)人：东南大学，
类型：发明
国别省市：