System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及计算机,具体涉及智能交通和自动驾驶等,特别涉及一种数据增强的方法、装置、设备及存储介质。
技术介绍
1、图像语义分割任务是自动驾驶技术中基本的感知任务之一。图像语义分割任务主要是对图像中的每个像素进行分类。对于用于图像语义分割模型训练的训练数据来讲,由于图像本身的特性,其中的道路,树木,天空等背景类别数据占比较大,而与行驶过程更相关的各类别障碍物等前景数据占比较少,这样,可能导致训练数据中的各个类别的数据不均衡,即障碍物和背景样本数量差距较大,导致图像语义分割模型对前景障碍物识别效果不好的问题。
2、因此,亟需对原始样本数据进行一定的数据增强,增加图像中障碍物的数量,从而提升图像语义分割模型对障碍物的识别效果。
技术实现思路
1、本申请提供了一种数据增强的方法、装置、设备及存储介质,解决了训练数据的训练效果不佳的问题,所述技术方案如下:
2、第一方面,提供了一种数据增强的方法,所述方法包括:
3、获取待处理的训练数据;其中,所述训练数据包括样本图像和所述样本图像对应的标签图像;
4、提取所述标签图像中的指定障碍物的标签信息,以基于所述指定障碍物的标签信息,对所述标签图像进行数据增强处理,得到增强标签图像和所述增强标签图像中新增的指定障碍物的标签信息;
5、基于所述新增的指定障碍物的标签信息,对与所述增强标签图像对应的样本图像进行掩码处理,以获得掩码样本图像;
6、基于所述增强标签图像和所述掩码样本图像
7、将所述样本图像、所述标签图像、所述增强样本图像、和所述增强标签图像作为更新后的训练数据。
8、在一种可能的实现方式中,所述基于所述指定障碍物的标签信息,对所述标签图像进行数据增强处理,得到增强标签图像和所述增强标签图像中新增的指定障碍物的标签信息,包括:
9、获取所述指定障碍物的标签信息中的像素信息;
10、基于所述指定障碍物的像素信息,对所述标签图像进行贴图处理,得到增强标签图像和所述增强标签图像中新增的指定障碍物的标签信息。
11、在一种可能的实现方式中,所述基于所述指定障碍物的像素信息,对所述标签图像进行贴图处理,得到增强标签图像和所述增强标签图像中新增的指定障碍物的标签信息,包括:
12、将所述指定障碍物的像素信息粘贴至所述标签图像的指定区域,得到新的标签图像;
13、将所述新的标签图像作为所述增强标签图像;
14、获取所述增强标签图像中新增的指定障碍物的标签信息。
15、在一种可能的实现方式中,所述基于所述新增的指定障碍物的标签信息,对与所述增强标签图像对应的样本图像进行掩码处理,以获得掩码样本图像,包括:
16、获取所述增强标签图像和所述标签图像的对应关系、所述样本图像和所述标签图像的对应关系;
17、基于所述增强标签图像和所述标签图像的对应关系、所述样本图像和所述标签图像的对应关系,获得所述增强标签图像和所述样本图像的对应关系;
18、基于所述增强标签图像和所述样本图像的对应关系、所述新增的指定障碍物的标签信息,确定所述样本图像中与所述新增的指定障碍物的标签信息对应的位置区域;
19、对所述样本图像中与所述新增的指定障碍物的标签信息对应的位置区域进行掩码处理,以获得所述掩码样本图像。
20、在一种可能的实现方式中,所述对所述样本图像中与所述新增的指定障碍物的标签信息对应的位置区域进行掩码处理,以获得所述掩码样本图像,包括:
21、确定所述样本图像中与所述新增的指定障碍物的标签信息对应的位置区域的像素信息;
22、对所述像素信息进行消除处理,得到消除处理的结果;
23、基于所述消除处理的结果,获得所述掩码样本图像。
24、在一种可能的实现方式中,基于所述增强标签图像和所述掩码样本图像,利用预设的生成器,获得增强样本图像,包括:
25、将所述增强标签图像和所述掩码样本图像,输入所述预设的生成器,以生成仿真样本图像;
26、基于所述仿真样本图像,对所述掩码样本图像进行修复处理,以获得所述增强样本图像。
27、在一种可能的实现方式中,所将所述样本图像、所述标签图像、所述增强样本图像、和所述增强标签图像作为更新后的训练数据之后,还包括:
28、基于更新后的训练数据,对待训练的图像语义分割模型进行迭代训练处理;
29、响应于训练达到预设终止条件,获得训练完成的图像语义分割模型。
30、第二方面,提供了一种模型训练的方法,所述方法包括:
31、获取初始的训练数据;其中,所述初始训练数据包括初始样本图像和所述初始样本图像对应的初始标签图像;
32、提取所述初始标签图像中的指定障碍物的标签信息;
33、基于所述指定障碍物的标签信息,对所述初始样本图像进行掩码处理,以获得掩码样本图像;
34、基于所述初始样本图像、所述初始标签图像和所述掩码样本图像,对待训练的图像生成模型进行迭代训练,以获得训练完成的图像生成模型;
35、基于训练完成的所述图像生成模型,获得预设的生成器,其中,所述预设的生成器用于获得增强样本图像。
36、第三方面,提供了一种数据增强的装置,所述装置包括:
37、获取单元,用于获取待处理的训练数据;其中,所述训练数据包括样本图像和所述样本图像对应的标签图像;
38、增强单元,用于提取所述标签图像中的指定障碍物的标签信息,以基于所述指定障碍物的标签信息,对所述标签图像进行数据增强处理,得到增强标签图像和所述增强标签图像中新增的指定障碍物的标签信息;
39、掩码单元,用于基于所述新增的指定障碍物的标签信息,对与所述增强标签图像对应的样本图像进行掩码处理,以获得掩码样本图像;
40、获得单元,用于基于所述增强标签图像和所述掩码样本图像,利用预设的生成器,获得增强样本图像;其中,所述预设的生成器是基于预先训练的图像生成模型所获得的;
41、更新单元,用于将所述样本图像、所述标签图像、所述增强样本图像、和所述增强标签图像作为更新后的训练数据。
42、第四方面,提供了一种模型训练的装置,所述装置包括:
43、获取单元,用于获取初始的训练数据;其中,所述初始训练数据包括初始样本图像和所述初始样本图像对应的初始标签图像;
44、提取单元,用于提取所述初始标签图像中的指定障碍物的标签信息;
45、掩码单元,用于基于所述指定障碍物的标签信息,对所述初始样本图像进行掩码处理,以获得掩码样本图像;
46、训练单元,用于基于所述初始样本图像、所述初始标签图像和所述掩码样本图像本文档来自技高网...
【技术保护点】
1.一种数据增强的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述指定障碍物的标签信息,对所述标签图像进行数据增强处理,得到增强标签图像和所述增强标签图像中新增的指定障碍物的标签信息,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于所述指定障碍物的像素信息,对所述标签图像进行贴图处理,得到增强标签图像和所述增强标签图像中新增的指定障碍物的标签信息,包括:
4.根据权利要求1所述的方法,其特征在于,所述基于所述新增的指定障碍物的标签信息,对与所述增强标签图像对应的样本图像进行掩码处理,以获得掩码样本图像,包括:
5.根据权利要求4所述的方法,其特征在于,所述对所述样本图像中与所述新增的指定障碍物的标签信息对应的位置区域进行掩码处理,以获得所述掩码样本图像,包括:
6.根据权利要求1所述的方法,其特征在于,基于所述增强标签图像和所述掩码样本图像,利用预设的生成器,获得增强样本图像,包括:
7.根据权利要求1至6任一项所述的方法,其特征在于,所将所述样本图像、所述标
8.一种模型训练的方法,其特征在于,所述方法包括:
9.一种数据增强的装置,其特征在于,所述装置包括:
10.一种模型训练的装置,其特征在于,所述装置包括:
11.一种电子设备,包括:
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
14.一种自动驾驶车辆,包括如权利要求11所述的电子设备。
...【技术特征摘要】
1.一种数据增强的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述指定障碍物的标签信息,对所述标签图像进行数据增强处理,得到增强标签图像和所述增强标签图像中新增的指定障碍物的标签信息,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于所述指定障碍物的像素信息,对所述标签图像进行贴图处理,得到增强标签图像和所述增强标签图像中新增的指定障碍物的标签信息,包括:
4.根据权利要求1所述的方法,其特征在于,所述基于所述新增的指定障碍物的标签信息,对与所述增强标签图像对应的样本图像进行掩码处理,以获得掩码样本图像,包括:
5.根据权利要求4所述的方法,其特征在于,所述对所述样本图像中与所述新增的指定障碍物的标签信息对应的位置区域进行掩码处理,以获得所述掩码样本图像,包括:
6.根据权利要求1所述的方法,其特征在于,基于...
【专利技术属性】
技术研发人员:谭益农,
申请(专利权)人:九识苏州智能科技有限公司,
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。