本公开提供了一种样本生成方法、装置、计算机设备及存储介质，其中，该方法包括：从待检测对象的类型中，确定目标类型；从包含所述目标类型的第一待检测对象的第一样本图像中，截取子图像；其中，所述子图像中包括所述第一待检测对象；将所述子图像与第二样本图像进行融合处理，得到所述目标类型对应的目标样本图像。本公开实现对包含目标类型的第一待检测对象的样本图像的数量的扩充。象的样本图像的数量的扩充。象的样本图像的数量的扩充。
【技术实现步骤摘要】
一种样本生成方法、装置、计算机设备及存储介质
[0001]本公开涉及深度学习
，具体而言，涉及一种样本生成方法、装置、计算机设备及存储介质。
技术介绍
[0002]目标神经网络需要通过训练样本集训练待训练的神经网络得到，训练样本集中包含多种类型的待检测对象分别对应的样本图像；若某种类型的待检测对象的样本图像的数量过少，会影响训练出来的目标神经网络的性能。
技术实现思路
[0003]本公开实施例至少提供一种样本生成方法、装置、计算机设备及存储介质。
[0004]第一方面，本公开实施例提供了一种样本生成方法，包括：从待检测对象的类型中，确定目标类型；从包含所述目标类型的第一待检测对象的第一样本图像中，截取子图像；其中，所述子图像中包括所述第一待检测对象；将所述子图像与第二样本图像进行融合处理，得到所述目标类型对应的目标样本图像。
[0005]这样，通过将包含了目标类型的待检测对象对应的子图像、与其他图像进行融合处理，得到该种目标类型对应的目标样本图像，从而能够实现对该种目标类型对应的样本图像的数量进行扩充，进而在采用扩充了目标类型对应的样本图像的数量的图像集训练神经网络时，可以提高训练出的神经网络的性能。
[0006]在一种可能的实施方式中，所述从待检测对象的类型中，确定目标类型，包括：确定多种类型的待检测对象中每种类型的待检测对象对应的样本图像的数量；基于每种类型的待检测对象分别对应的样本图像的数量，从所述多种类型中确定所述目标类型。
[0007]这样，可以快速将训练样本集中样本图像数量较少的待检测对象的类型确定出来。
[0008]在一种可能的实施方式中，所述从待检测对象的类型中，确定目标类型，包括：获取验证样本集；其中，所述验证样本集包括多种类型的待检测对象分别对应的样本图像；利用训练完成的目标神经网络对所述验证样本集进行处理，并基于对所述验证样本集进行处理的结果，得到所述目标神经网络对每种类型的待检测对象进行处理的处理精度；利用所述多种类型的待检测对象分别对应的处理精度，从所述多种类型中确定所述目标类型。
[0009]目标神经网络对包含该多种类型的待检测对象的处理精度可以体现训练样本集中每一类型的待检测对象的样本图像的数量是否足够，基于处理精度低的待检测对象的类型将训练样本集中样本图像数量较少的待检测对象的类型确定出来，然后再针对该种目标类型生成新的样本图像，可以再利用新生成的目标类型的样本图像对目标神经网络进行再训练，提升目标神经网络对目标类型的样本图像的处理精度。
[0010]在一种可能的实施方式中，所述从包含所述目标类型的第一待检测对象的第一样本图像中，截取子图像，包括：利用所述第一样本图像对应的标注信息，从所述第一样本图
像中截取所述子图像；其中，所述标注信息包括：所述目标类型对应的第一待检测对象在所述第一样本图像中的位置信息。
[0011]在一种可能的实施方式中，基于所述第二样本图像中包含的第二待检测对象在所述第二样本图像中的位置以及所述第二待检测对象的尺寸，将所述子图像与所述第二样本图像进行融合处理，得到所述目标类型对应的目标样本图像；其中，所述第二待检测对象与所述第一待检测对象的类型不同。
[0012]在一种可能的实施方式中，所述基于所述第二样本图像中包含的第二待检测对象在所述第二样本图像中的位置以及所述第二待检测对象的尺寸，将所述子图像与所述第二样本图像进行融合处理，得到所述目标类型对应的目标样本图像，包括：基于所述第二样本图像中包含的所述第二待检测对象在所述第二样本图像中的位置以及所述第二待检测对象的尺寸，确定所述子图像的目标尺寸以及目标位置；按照所述目标尺寸，将所述子图像进行变换处理；基于所述目标位置，将变换处理后的所述子图像与所述第二样本图像进行融合处理，得到所述目标类型对应的目标样本图像。
[0013]这样，可以将变化处理后的子图像与第二样本图像的中的第二待检测对象的尺寸适配，将变换处理后的子图像与第二样本图像进行融合处理后得到的目标样本图像更加自然真实。
[0014]在一种可能的实施方式中，所述变换处理包括下述至少一种：尺寸变换处理、角度变换处理。
[0015]这样，能保证变换处理后的子图像与第二样本图像中的第二待检测对象适配。
[0016]在一种可能的实施方式中，所述基于所述目标位置，将变换处理后的所述子图像与所述第二样本图像进行融合处理，得到所述目标类型对应的目标样本图像，包括：将变换处理后的所述子图像覆盖至所述第二样本图像的目标位置，并对所述第一待检测对象和所述第二样本图像的边缘进行边缘融合处理，得到所述目标样本图像。
[0017]这样，对第一待检测对象与第二样本图像的边缘进行边缘融合处理，让得到的目标样本图像中的第一待检测对象与第二样本图像中除第二待检测对象部分的图像融合的更加自然。
[0018]在一种可能的实施方式中，在将所述子图像与第二样本图像进行融合处理，得到所述目标类型对应的目标样本图像之前，所述方法还包括：基于所述第二样本图像的亮度信息，对所述子图像进行亮度调整，得到目标子图像；所述将所述子图像与第二样本图像进行融合处理，得到所述目标类型对应的目标样本图像，包括：将所述目标子图像与所述第二样本图像进行融合处理，得到所述目标类型对应的目标样本图像。
[0019]这样，目标样本图像中第一待检测对象与第二样本图像中除第二待检测对象部分的图像融合的更加自然。
[0020]在一种可能的实施方式中，所述待检测对象包括交通标志。
[0021]第二方面，本公开实施例还提供一种样本生成装置，包括：
[0022]确定模块，用于从待检测对象的类型中，确定目标类型；
[0023]第一处理模块，用于从包含所述目标类型的第一待检测对象的第一样本图像中，截取子图像；其中，所述子图像中包括所述第一待检测对象；
[0024]第二处理模块，用于将所述子图像与第二样本图像进行融合处理，得到所述目标
类型对应的目标样本图像。
[0025]第三方面，本公开可选实现方式还提供一种计算机设备，处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，所述机器可读指令被所述处理器执行时，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
[0026]第四方面，本公开可选实现方式还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
[0027]关于上述样本生成装置、计算机设备、及计算机可读存储介质的效果描述参见上述样本生成方法的说明，这里不再赘述。
[0028]为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0029]为了更清楚地说明本公开实施例本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种样本生成方法，其特征在于，包括：从待检测对象的类型中，确定目标类型；从包含所述目标类型的第一待检测对象的第一样本图像中，截取子图像；其中，所述子图像中包括所述第一待检测对象；将所述子图像与第二样本图像进行融合处理，得到所述目标类型对应的目标样本图像。2.根据权利要求1所述的样本生成方法，其特征在于，所述从待检测对象的类型中，确定目标类型，包括：确定多种类型的待检测对象中每种类型的待检测对象对应的样本图像的数量；基于每种类型的待检测对象分别对应的样本图像的数量，从所述多种类型中确定所述目标类型。3.根据权利要求1所述的样本生成方法，其特征在于，所述从待检测对象的类型中，确定目标类型，包括：获取验证样本集；其中，所述验证样本集包括多种类型的待检测对象分别对应的样本图像；利用训练完成的目标神经网络对所述验证样本集进行处理，并基于对所述验证样本集进行处理的结果，得到所述目标神经网络对每种类型的待检测对象进行处理的处理精度；利用所述多种类型的待检测对象分别对应的处理精度，从所述多种类型中确定所述目标类型。4.根据权利要求1
‑
3任一项所述的样本生成方法，其特征在于，所述从包含所述目标类型的第一待检测对象的第一样本图像中，截取子图像，包括：利用所述第一样本图像对应的标注信息，从所述第一样本图像中截取所述子图像；其中，所述标注信息包括：所述目标类型对应的第一待检测对象在所述第一样本图像中的位置信息。5.根据权利要求1
‑
4任一项所述的样本生成方法，其特征在于，所述将所述子图像与第二样本图像进行融合处理，得到所述目标类型对应的目标样本图像，包括：基于所述第二样本图像中包含的第二待检测对象在所述第二样本图像中的位置以及所述第二待检测对象的尺寸，将所述子图像与所述第二样本图像进行融合处理，得到所述目标类型对应的目标样本图像；其中，所述第二待检测对象与所述第一待检测对象的类型不同。6.根据权利要求5所述的样本生成方法，其特征在于，所述基于所述第二样本图像中包含的第二待检测对象在所述第二样本图像中的位置以及所述第二待检测对象的尺寸，将所述子图像与所述第二样本图像进行融合处理，得到所述目标类型对应的目标样本图像，包括：基于所述第二样本图像中包含的所述第二待检测对象在所述第二样本图像中的位置以及所述...
【专利技术属性】
技术研发人员：李逍，程光亮，秦海芳，
申请(专利权)人：上海商汤临港智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。