一种数据融合方法、系统及电子设备技术方案

本申请提供了一种数据融合方法、系统及电子设备，涉及图像处理技术领域。在本申请中，首先获取第一场景对应的n个原始图像和第二原始图像数据集，然后选取第一场景对应的n个原始图像中的一个原始图像，提取一个原始图像中包含标定目标对象的子图像，然后从子图像中分割出标定目标对象，最后从第二原始图像数据集中调取第二场景对应的背景图像，基于标定的目标对象和背景图像，合成目标场景图像，采用这种方式，能够扩充数据量小的第二场景的训练集，进而提高在数据量小的场景中对目标对象识别的准确度，使得神经网络模型在各个场景下都能准确的识别目标对象。准确的识别目标对象。准确的识别目标对象。

【技术实现步骤摘要】
一种数据融合方法、系统及电子设备


[0001]本专利技术涉及图像处理
，尤其涉及一种数据融合方法、系统及电子设备。

技术介绍

[0002]深度学习被广泛的应用于自动驾驶技术中，神经网络算法能够用于识别图像传感器采集到的图像中的目标对象。
[0003]神经网络算法对目标对象识别的准确度与训练集中的数据量有关，在现有技术中，通常采用数据增广技术去扩充训练集，数据增广技术包括翻转、模糊、锐化、噪声、对比度、亮度处理，通过预设的色度调整算法来改变原始图像的色度空间生成新的目标图像，达到扩充训练集的目的，进而提升对目标对象识别的准确度。
[0004]训练集中的图像是通过人工的方式在各个场景下采集得到的，由于在各个场景拍摄的图像数据量不平衡，所以采用数据增广技术去扩充训练集后同样存在各个场景对应的图像数据量不平衡的问题，若按照扩充后的训练集完成对神经网络模型的训练，并且将神经网络模型运用在实际未知的场景时，会导致神经网络模型对数据量大的场景中目标对象识别的准确度高，对数据量小的场景中目标对象识别的准确度低。例如，现有包含皮卡车的一组图像数据，在市区场景下采集的包含皮卡车的图像数据量大于在郊区场景下采集的包含皮卡车的图像数据量，将该组图像数据扩充然后导入神经网络训练后，在实际运用时，会导致神经网络模型对市区场景拍摄的皮卡车识别的准确度大于郊区场景拍摄的皮卡车识别的准确度。

技术实现思路

[0005]本专利技术申请提供了一种数据融合方法，用于扩充数据量小的第二场景的训练集，提高在数据量小的场景中对目标对象识别的准确度，使得神经网络模型在各个场景下都能准确的识别目标对象。具体的技术方案如下：
[0006]第一方面，本申请提供了一种数据融合方法，包括：
[0007]获取第一场景对应的n个原始图像和第二原始图像数据集，其中，n为大于等于2的正整数；
[0008]针对所述n个原始图像，分别执行以下操作：
[0009]提取一个原始图像中包含标定目标对象的子图像；
[0010]从所述子图像中分割出标定目标对象；
[0011]从所述第二原始图像数据集中调取第二场景对应的背景图像，基于所述标定的目标对象和所述背景图像，合成目标场景图像。
[0012]基于上述的方法，将第一场景图像中分割出的标定目标对象合成到第二场景对应的背景图像中，扩充了数据量小的第二场景的训练集，进而提高了在数据量小的场景中对目标对象识别的准确度，使得神经网络模型在各个场景下都能准确的识别目标对象。
[0013]在一种可能的设计中，所述获取第一场景对应的n个原始图像和第二原始图像数
据集，包括：
[0014]获取图像传感器采集的原始图像；
[0015]对所述原始图像按照不同的场景进行划分，得到各个场景下的原始图像数据集；
[0016]按照图像数据量对所述各个场景下的原始图像数据集进行排序，得到数据量最大的第一原始图像数据集和数据量最小的第二原始图像数据集；
[0017]确定所述第一原始图像数据集对应的场景为第一场景，所述第二原始图像数据集对应的场景为第二场景。
[0018]基于上述的方法，能够确定待扩充数据集的目标场景。
[0019]在一种可能的设计中，所述提取一个原始图像中包含标定目标对象的子图像，包括：
[0020]对所述原始图像中的各类目标对象进行标注，得到各类目标对象各自对应的子图像；
[0021]接收目标场景图像生成请求中携带的目标对象类别标识；
[0022]基于所述目标对象类别标识，提取与所述目标对象类别标识匹配的子图像。
[0023]通过上述方式，能够从第一场景对应的n个原始图像中提取包含标定目标对象的子图像，将包含标定目标对象的子图像存放在子图像集合中。
[0024]在一种可能的设计中，所述从所述子图像中分割出标定目标对象之后，还包括：
[0025]判断所述标定目标对象与所述子图像的尺寸是否满足设定的阈值；
[0026]若所述标定目标对象与所述子图像的尺寸不满足设定的阈值，则提取另一个原始图像中与所述标定目标对象类别标识匹配的第一子图像，从所述第一子图像中分割出标定目标对象，将所述标定目标对象存放在标定目标对象集合中；
[0027]若所述标定目标对象与所述子图像的尺寸满足设定的阈值，将所述标定目标对象存放在标定目标对象集合中。
[0028]通过上述方式，能够从子图像中分割出准确的标定目标对象，消除了标定目标对象的背景图像。
[0029]第二方面，本申请提供了一种数据融合系统，包括：
[0030]数据获取模块，用于获取第一场景对应的n个原始图像和第二原始图像数据集，其中，n为大于等于2的正整数；
[0031]数据提取模块，用于提取一个原始图像中包含标定目标对象的子图像；
[0032]数据分割模块，用于从所述子图像中分割出标定目标对象；
[0033]数据融合模块，用于从所述第二原始图像数据集中调取第二场景对应的背景图像，基于所述标定的目标对象和所述背景图像，合成目标场景图像。
[0034]在一种可能的设计中，所述数据获取模块还用于：
[0035]获取图像传感器采集的原始图像；
[0036]对所述原始图像按照不同的场景进行划分，得到各个场景下的原始图像数据集；
[0037]按照图像数据量对所述各个场景下的原始图像数据集进行排序，得到数据量最大的第一原始图像数据集和数据量最小的第二原始图像数据集；
[0038]确定所述第一原始图像数据集对应的场景为第一场景，所述第二原始图像数据集对应的场景为第二场景。
[0039]在一种可能的设计中，所述数据提取模块具体用于：
[0040]对所述原始图像中的各类目标对象进行标注，得到各类目标对象各自对应的子图像；
[0041]接收目标场景图像生成请求中携带的目标对象类别标识；
[0042]基于所述目标对象类别标识，提取与所述目标对象类别标识匹配的子图像。
[0043]在一种可能的设计中，所述数据分割模块还用于：
[0044]判断所述标定目标对象与所述子图像的尺寸是否满足设定的阈值；
[0045]若所述标定目标对象与所述子图像的尺寸不满足设定的阈值，则提取另一个原始图像中与所述标定目标对象类别标识匹配的第一子图像，从所述第一子图像中分割出标定目标对象，将所述标定目标对象存放在标定目标对象集合中；
[0046]若所述标定目标对象与所述子图像的尺寸满足设定的阈值，将所述标定目标对象存放在标定目标对象集合中。
[0047]第三方面，本申请提供了一种电子设备，包括：
[0048]存储器，用于存放计算机程序；
[0049]处理器，用于执行所述存储器上所存放的计算机程序时，实现上述的数据融合方法的步骤。
[0050]第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据融合方法，其特征在于，所述方法包括：获取第一场景对应的n个原始图像和第二原始图像数据集，其中，n为大于等于2的正整数；针对所述n个原始图像，分别执行以下操作：提取一个原始图像中包含标定目标对象的子图像；从所述子图像中分割出标定目标对象；从所述第二原始图像数据集中调取第二场景对应的背景图像，基于所述标定的目标对象和所述背景图像，合成目标场景图像。2.如权利要求1所述的方法，其特征在于，所述获取第一场景对应的n个原始图像和第二原始图像数据集，包括：获取图像传感器采集的原始图像；对所述原始图像按照不同的场景进行划分，得到各个场景下的原始图像数据集；按照图像数据量对所述各个场景下的原始图像数据集进行排序，得到数据量最大的第一原始图像数据集和数据量最小的第二原始图像数据集；确定所述第一原始图像数据集对应的场景为第一场景，所述第二原始图像数据集对应的场景为第二场景。3.如权利要求1所述的方法，其特征在于，所述提取一个原始图像中包含标定目标对象的子图像，包括：对所述原始图像中的各类目标对象进行标注，得到各类目标对象各自对应的子图像；接收目标场景图像生成请求中携带的目标对象类别标识；基于所述目标对象类别标识，提取与所述目标对象类别标识匹配的子图像。4.如权利要求1所述的方法，其特征在于，所述从所述子图像中分割出标定目标对象之后，还包括：判断所述标定目标对象与所述子图像的尺寸是否满足设定的阈值；若所述标定目标对象与所述子图像的尺寸不满足设定的阈值，则提取另一个原始图像中与所述标定目标对象类别标识匹配的第一子图像，从所述第一子图像中分割出标定目标对象，将所述标定目标对象存放在标定目标对象集合中；若所述标定目标对象与所述子图像的尺寸满足设定的阈值，将所述标定目标对象存放在标定目标对象集合中。5.一种数据融合系统，其特征在于，包括：数据获取模块，用于获取第一场景对应的n个原始图像和第二原始图像数据集，其中，n为大于等于2的正整数；数据提取模块，用于提取...

【专利技术属性】
技术研发人员：宋英杰，
申请(专利权)人：宁波吉利汽车研究开发有限公司，
类型：发明
国别省市：