样本数据增强方法及系统及装置及介质及目标分类方法制造方法及图纸

本发明专利技术公开了样本数据增强方法及系统及装置及介质及目标分类方法，涉及数据增强领域，包括：利用第一样本对卷积神经网络进行训练获得第一模型；利用所述第一模型获得所述第一图像中目标对应的类激活图；基于所述类激活图对所述第一图像中的关键信息进行定位，获得定位信息；对所述第一图像进行数据增强处理获得增强图像；基于所述定位信息，获得所述增强图像中的关键信息相对于所述第一图像中的关键信息的损失量，若所述损失量超过阈值，则忽略所述增强图像，若所述损失量小于或等于阈值，则基于所述增强图像获得所述第二图像；本发明专利技术能够有效对样本进行数据增强，且增强后的样本能够较好的保留原样本中的关键信息。样本能够较好的保留原样本中的关键信息。样本能够较好的保留原样本中的关键信息。

【技术实现步骤摘要】
样本数据增强方法及系统及装置及介质及目标分类方法


[0001]本专利技术涉及数据增强领域，具体地，涉及样本数据增强方法及系统及装置及介质及目标分类方法。

技术介绍

[0002]在1957年第一颗人造卫星发射后，六十多年来随着地球空间科学技术不断进步，使得遥感影像的分辨率——特别是空间分辨率，得到了很大提升，目前IKONOS、QuickBird、WordView、GeoEye
‑
1、Pleiades、高分二号和资源三号等多颗卫星图像的空间分辨率甚至已经达到了米级甚至亚米级。高分辨率遥感影像相对于自然图像，具有更丰富的光谱信息、形状和纹理特征，还具有场景语义信息。语义类别是对场景内容高层次的知识抽象和概括，它由人工预先定义，因此，需要对获取的高分辨率影像经过一系列解译处理才能提取出对生产活动有意义的信息。“场景分类”是一种对遥感图像信息的重要理解方式，即根据遥感图像内容所表达的“场景”进行理解，并将其标注为某个特定的语义种类。其对于影像的解译和现实世界的理解都具有举足轻重的意义，也是遥感领域研究的热点之一。r/>[0003]按本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.样本数据增强方法，其特征在于，所述方法包括：利用第一样本对卷积神经网络进行训练获得第一模型；对所述第一样本中的第一图像进行预处理获得第二图像，基于所述第一图像和所述第二图像获得数据增强后的第二样本；所述预处理包括：利用所述第一模型获得所述第一图像中目标对应的类激活图；基于所述类激活图对所述第一图像中的关键信息进行定位，获得定位信息；对所述第一图像进行数据增强处理获得增强图像；基于所述定位信息，获得所述增强图像中的关键信息相对于所述第一图像中的关键信息的损失量，若所述损失量超过阈值，则忽略所述增强图像，若所述损失量小于或等于阈值，则基于所述增强图像获得所述第二图像。2.根据权利要求1所述的样本数据增强方法，其特征在于，采用指数减缓的方式来对卷积神经网络训练的学习率进行调整。3.根据权利要求2所述的样本数据增强方法，其特征在于，卷积神经网络训练的学习率具体采用如下公式进行调整：其中，为系数，，epochnum为已迭代次数，step为步长，为初始学习率，为调整后的学习率。4.根据权利要求1所述的样本数据增强方法，其特征在于，所述第一图像中目标对应的类激活图采用如下公式获得：类激活图采用如下公式获得：其中，代表最后一个卷积层的单元在空间格网中的激活值，每个单元通过全局平均池化后的结果为；对于目标类别，其分类器的输入值为，其中表示目标类别的分类器的单元所对应的权重；表示的是不同的激活单元识别为某个类别的权重和。5.根据权利要求1所述的样本数据增强方法，其特征在于，本方法通过交真比来计算关键信息的损失量，交真比采用如下公式进行计算：其中，IoT为交真比，为通过第一模型获取的第一图像中目标预测
框的位置和面积，为增强图像的边界范围在第一图像中的位置和面积。6.根据权利要求5所述的样本数据增强方法，其特征在于，若计算获得的交真比大于阈值，则判断所述损失量超过阈值，则忽略所述增强图像；若计算获得的交真比小于或等于阈值，则判断所述损失量小于或等于阈值，则基于所述增强图像获得所述第二图像。7.根据权利要求1所述的样本数据增强方法，其特征在于，所述基于所述类激活图对所述第一图像中的关键信息进行定位，获得定位信息，具体包括：根据所述类激活图中的目标物概率信息将所述类激活图转换为二值图，通过二值图和区域连通性获取目标物的定位信息。8.根据权利要求1所述的样本数据增强方法，其特征在于，所述对所述第一图像进行数据增强处理获得增强图像，具体包括：对所述第一图像进行翻转处理；和/或，对所述第一图像进...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：成都数之联科技股份有限公司，
类型：发明
国别省市：