一种采用定量偏斜的深度图像数据增强方法技术

本发明专利技术公开一种采用定量偏斜的深度图像数据增强方法，通过识双目相机的取景中轴，同时对待取景图像的图像中轴，将取景中轴与图像中轴重合构建Z轴，并以Z轴为基础构建深度图像的转动取景坐标系，将图像中轴底端固定在转动取景坐标系原点处并完成原点处的取景，进而固定待取景图像的基础位置，随后通过逐格偏斜待取景图像和定轴匀速旋转，完成对待取景图像各角度的特征进行强化呈现，并将强化呈现的特征与旋转状态下的待取景图像进行比较，以此来全面地排除干扰特征，本发明专利技术的优点在于可以增强对待取景图像的特征识别效果，进而可以适配视觉检测系统的深度学习需求。觉检测系统的深度学习需求。

【技术实现步骤摘要】
一种采用定量偏斜的深度图像数据增强方法


[0001]本专利技术涉及视觉检测领域，具体地说，是一种采用定量偏斜的深度图像数据增强方法。

技术介绍

[0002]近些年来，深度学习在计算机视觉领域内应用的越来越广泛。深度学习在面对计算机视觉领域内的诸多问题的优异表现使得越来越多的研究人员开始涉足这个研究方向。深度学习之所以能有如此优异的表现，是因为深度卷积网络自身拥有强大的表达能力，可以根据训练目标来训练出所需要的模型结果。不过也正因为如此，网络模型本身需要大量甚至海量的数据来驱动模型训练，否则可能会使模型陷入过拟合的困境。可是在实际的情况中，并不是所有的数据集都拥有海量的训练样本。正因如此，在实际的训练过程中，数据增强成为了模型训练的重要一步。有效的数据扩充不仅能扩充训练样本数量，还能增加样本训练的多样性。一方面能避免模型过拟合，另一方面又能提升模型的性能。常见的图像数据增强方法有：水平翻转、随机旋转、随机缩放、随机裁剪、随机平移等。这些常见的图像数据增强方法面都是应用在RGB图像领域中，对于其他类型的图像，这些方法并不适用。<br/>[0003]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用定量偏斜的深度图像数据增强方法，其特征在于：包括以下步骤：S1、标识双目相机的取景中轴，同时对待取景图像的图像中轴，将取景中轴与图像中轴重合构建Z轴，并以Z轴为基础构建深度图像的转动取景坐标系；S2、将图像中轴底端固定在转动取景坐标系原点处并完成原点处的取景；S3、固定图像中轴底端，并使图像中轴以图像中轴底端为圆心，沿固定垂直面以定量逐格执行偏斜动作，执行每格偏斜动作的同时双目相机执行一次拍摄取景动作；S4、逐帧输出S3中双目相机对每格偏斜动作，并将各帧图像按照偏斜角度依次排列，并逐帧进行视觉识别，从而使得得该偏斜方向上各角度的特征可以强化呈现S5、固定图像中轴底端，并使图像中轴以图像中轴底端为圆心，沿固定垂直面沿与S3中相反方向以定量逐格执行偏斜动作，执行每格偏斜动作的...

【专利技术属性】
技术研发人员：罗翔，
申请(专利权)人：厦门聚视智创科技有限公司，
类型：发明
国别省市：