预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113936133A(43)申请公布日2022.01.14(21)申请号202111119987.5(22)申请日2021.09.24(71)申请人上海师范大学地址200234上海市徐汇区桂林路100号(72)发明人林晓孙树州黄伟郑晓妹黄继风蒋林华(74)专利代理机构上海科盛知识产权代理有限公司31225代理人赵继明(51)Int.Cl.G06V10/24(2022.01)G06K9/62(2022.01)权利要求书2页说明书4页附图3页(54)发明名称一种面向目标检测的自适应数据增强方法(57)摘要本发明涉及一种面向目标检测的自适应数据增强方法,包括对待增强的图片执行以下算法:自适应的区域去除算法:从数据集中获取待增强图片,对该待增强图片中的区域进行遍历,去除长宽比失衡、面积小于预设的面积阈值的区域;自适应的物体选择算法:根据单个物体的分类数量信息和物体之间的关系,从数据集中选取物体区域填充入待增强图片中去除的区域;自适应的标注过滤算法:根据待增强图片中原有物体的包围框信息,过滤出不适合作为模型学习目标的物体。与现有技术相比,本发明可以有效地提高数据集内容丰富性,基于本发明增强目标检测数据集所训练的网络在小目标检测、降低批次敏感性、缓解分类不平衡等问题上有模型得改进。CN113936133ACN113936133A权利要求书1/2页1.一种面向目标检测的自适应数据增强方法,其特征在于,包括以下步骤:对数据集中的各个图片进行遍历,执行自适应的区域去除算法、自适应的物体选择算法和自适应的标注过滤算法,得到增强后的数据集;所述自适应的区域去除算法包括:从数据集中获取待增强图片,对该待增强图片中的区域进行遍历,去除长宽比失衡、面积小于预设的面积阈值的区域;所述自适应的物体选择算法包括:根据单个物体的分类数量信息和物体之间的关系,从数据集中选取物体区域填充入待增强图片中去除的区域;所述自适应的标注过滤算法包括:根据所述待增强图片中原有物体的包围框信息,过滤出不适合作为模型学习目标的物体。2.根据权利要求1所述的一种面向目标检测的自适应数据增强方法,其特征在于,对该待增强图片中的区域进行遍历,具体为:在所述待增强图片中,自上而下、从左至右对各区域进行遍历。3.根据权利要求2所述的一种面向目标检测的自适应数据增强方法,其特征在于,所述遍历的区域为所述待增强图片中通过包围框标注的原有物体区域以外的区域。4.根据权利要求1所述的一种面向目标检测的自适应数据增强方法,其特征在于,所述长宽比失衡的区域为长宽比大于10的区域。5.根据权利要求1所述的一种面向目标检测的自适应数据增强方法,其特征在于,所述面积小于预设的面积阈值的区域为面积小于20个像素的区域。6.根据权利要求1所述的一种面向目标检测的自适应数据增强方法,其特征在于,所述单个物体的分类数量信息为单个物体在整个数据集中所属分类的物体数量。7.根据权利要求1所述的一种面向目标检测的自适应数据增强方法,其特征在于,所述物体之间的关系根据各个物体之间的分类契合度计算,所述分类契合度的计算表达式为:式中,C(mn|I)为分类契合度,IoU(m,n)为物体m和物体n之间面积的交集与并集的比值;根据所述分类契合度计算数据集中物体的分类。8.根据权利要求7所述的一种面向目标检测的自适应数据增强方法,其特征在于,所述IoU(m,n)的计算表达式为:式中,SA为物体m和物体n之间的交集面积,SB为物体m和物体n之间的并集面积。9.根据权利要求1所述的一种面向目标检测的自适应数据增强方法,其特征在于,判断不适合作为模型学习目标的物体具体为:根据待增强图片中原有物体的包围框信息,计算IoS值,若该IoS值小于预设的IoS阈值,则该原有物体为不适合作为模型学习目标的物体,过滤该原有物体的包围框信息,否则保留该原有物体的包围框信息。10.根据权利要求9所述的一种面向目标检测的自适应数据增强方法,其特征在于,所述IoS值的计算表达式为:2CN113936133A权利要求书2/2页式中,I(m,M)为物体m和物体M相交部分的面积,物体M为待增强图片中的原有物体,物体m为物体M对应的标准物体,Sm为物体m的面积。3CN113936133A说明书1/4页一种面向目标检测的自适应数据增强方法技术领域[0001]本发明涉及数据增强技术领域,尤其是涉及一种面向目标检测的自适应数据增强方法。背景技术[0002]目标检测(objectdetection)是一种图像处理技术,其在实际现实中有着十分广泛的应用。但是当前目标检测算法在实际使用过程中仍然存在着如下方面的问题:首先是小物体检测困难的问题,即所训练的模型对小物体的识别精度较低;其次是对训练批次的敏感