【技术实现步骤摘要】
本申请涉及图像处理，具体而言，涉及一种多角度图像数据的处理方法、多角度图像数据的处理装置、计算机可读存储介质和电子设备。
技术介绍
1、在现代图像处理和深度学习领域，数据增强技术发挥着至关重要的作用。特别是在处理具有模糊性和来自多个角度的图像数据时，如微表情图像，这一点显得尤为重要。微表情的瞬时性和微妙性要求图像数据不仅要质量高，还需保持高度多样性，从而有效提升模型在微表情识别等领域中的性能。通过引入多样化的数据变化，数据增强技术不仅能显著提升图像数据的质量，还增加数据集的多样性，帮助模型学习到更泛化的特征表达，增强了模型面对未知微表情数据时的鲁棒性和泛化能力。
2、尽管数据增强技术已取得显著进展，但在处理背景复杂、来源多样且具有模糊性的微表情图像数据时，现有方法仍面临挑战。目前的数据增强方法主要集中在单一模态的数据处理上，很少将来自不同视角的微表情图像数据进行有效融合，以充分利用这些数据内部蕴含的丰富表情信息。这种策略在一定程度上忽视了微表情数据的多维性和互补性，未能充分挖掘和利用微表情数据的全部潜力，导致即便是经过增强的...
【技术保护点】
1.一种多角度图像数据的处理方法，其特征在于，包括：
2.根据权利要求1所述的处理方法，其特征在于，采用Transformer模型对所述图像数据进行特征提取，得到第一特征，包括：
3.根据权利要求1所述的处理方法，其特征在于，采用图卷积网络模型对所述第一特征进行特征增强，得到第二特征，包括：
4.根据权利要求1所述的处理方法，其特征在于，将所述第一特征和所述第二特征进行融合，得到第一融合特征，包括：
5.根据权利要求1所述的处理方法，其特征在于，采用适应性卷积神经网络对所述图像数据进行特征提取，得到第三特征，并对所述第三...
【技术特征摘要】
1.一种多角度图像数据的处理方法，其特征在于，包括：
2.根据权利要求1所述的处理方法，其特征在于，采用transformer模型对所述图像数据进行特征提取，得到第一特征，包括：
3.根据权利要求1所述的处理方法，其特征在于，采用图卷积网络模型对所述第一特征进行特征增强，得到第二特征，包括：
4.根据权利要求1所述的处理方法，其特征在于，将所述第一特征和所述第二特征进行融合，得到第一融合特征，包括：
5.根据权利要求1所述的处理方法，其特征在于，采用适应性卷积神经网络对所述图像数据进行特征提取，得到第三特征，并对所述第三特征进行特征增强，得到第四特征，包括：
6.根据权利要求1所述的处理方法，其特征在于，采用生成对抗网络模型对所述图像数据进...
【专利技术属性】
技术研发人员：黄观荣，梁广，黄必众，陈学台，李钦，钟前辉，黎艺苗，柯明东，陈浩，谢定兵，
申请(专利权)人：广东电网有限责任公司湛江供电局，
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。