【技术实现步骤摘要】
本专利技术公开了一种用于自动生成相关图像的方式，从而有效扩充数据样本，提高目标识别的准确率。
技术介绍
1、在图像处理领域，图像的质量以及数量往往决定了目标检测算法的准确性。现实场景中尤其某些特殊领域，所能获取的图像往往会由于角度、清晰度限制以及存在遮挡物等原因使得图像质量受损。同时，针对某些特定目标，所拍摄的图像只有极少数能够满足训练要求，从而会出现模型训练的不稳定和模型崩溃等问题。
2、图像生成是图像处理领域中的重要方向，其将人类的想法通过计算机以图像的形式表达，包括图像的颜色生成、纹理生成以及内容生成等。根据提供的样本数据，生成模型可以对其真实的数据分布进行建模，进而训练出模型来生成新的样本。生成模型通常基于马尔科夫链、最大似然估计以及近似推理。早期的生成模型受限玻尔兹曼机[1]、深度信念网络[2]以及深度玻尔兹曼机[3]泛化能力较差，后期的改进生成模型如生成对抗网络(generative adversarial networks,gan)[4]、变分自编码器(variationalautoencoder,vae)[5...
【技术保护点】
1.一种基于关键词提取及图像自动生成的小样本增强方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于关键词提取及图像自动生成的小样本增强方法，其特征在于，所述步骤1包括以下步骤：
3.如权利要求1所述的一种基于关键词提取及图像自动生成的小样本增强方法，其特征在于，步骤103中，related-pairs＝{(gloss，gloss)，(hype，hype)，(hypo，hypo)，(hype，gloss)，(gloss，hype)}，式中，gloss表示注释集，hype表示注释集的上位词集，hypo表示注释集的下位词集。
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。