【技术实现步骤摘要】
本申请涉及目标检测、人工智能，尤其涉及一种基于大模型的目标检测数据扩增方法及系统。
技术介绍
1、在目标检测任务中，数据扩增是提高模型性能至关重要的一环。当训练样本数量有限时，模型往往面临过拟合的风险，无法泛化到新的数据集或场景中。数据扩增通过增加训练集的多样性，可以有效提升模型的鲁棒性和准确率。
2、当前数据扩增方法包括传统的图像变换方法如裁剪、镜像、旋转等，以及基于生成对抗网络(generative adversarial network，gan)的数据扩增方法。这些方法在一定程度上可以增加数据集的多样性，但也存在一些明显的缺点。传统图像变换方法可能会导致信息丢失或增加噪音，特别是在目标检测任务中，可能会影响到目标的识别精度和位置精度。而基于gan的方法虽然能够生成逼真的图像，但在实际应用中生成的图像质量难以控制，并且生成的图像与真实目标场景存在差异，导致模型在真实场景中的表现不佳。
3、在目标检测领域，数据扩增技术的应用对模型的性能至关重要。当训练数据不足时，数据扩增可以通过增加数据集的多样性来改善模型的泛...
【技术保护点】
1.一种基于大模型的目标检测数据扩增方法，其特征在于，包括：
2.如权利要求1所述的基于大模型的目标检测数据扩增方法，其特征在于，所述基础文生图大模型包括文本编码器、图像信息生成器和图像信息解码器；
3.如权利要求2所述的基于大模型的目标检测数据扩增方法，其特征在于，合并初始场景图集和生成的场景图得到场景图集，利用语义分割模型对场景图进行分割，以获得用于目标生成的局部区域包括：
4.如权利要求2所述的基于大模型的目标检测数据扩增方法，其特征在于，利用目标图集和场景图中的局部区域图像信息，训练基础文生图大模型，以获得目标图生成大模型包
5...
【技术特征摘要】
1.一种基于大模型的目标检测数据扩增方法，其特征在于，包括：
2.如权利要求1所述的基于大模型的目标检测数据扩增方法，其特征在于，所述基础文生图大模型包括文本编码器、图像信息生成器和图像信息解码器；
3.如权利要求2所述的基于大模型的目标检测数据扩增方法，其特征在于，合并初始场景图集和生成的场景图得到场景图集，利用语义分割模型对场景图进行分割，以获得用于目标生成的局部区域包括：
4.如权利要求2所述的基于大模型的目标检测数据扩增方法，其特征在于，利用目标图集和场景图中的局部区域图像信息，训练基础文生图大模型，以获得目标图生成大模型包括：
5.如权利要求2所述的基于大模型的目标检测数据扩增...
【专利技术属性】
技术研发人员：石晓军，张伟，张尚斌，杜光勋，孙家腾，
申请(专利权)人：中国电子科技集团公司信息科学研究院，
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。