[發明專利]一種基于生成式對抗網絡的圖像擴增方法及系統

在審

• 申請號: 201910303315.6
• 申請日: 2019-04-15
• 公開（公告）號: CN110070124A
• 公開（公告）日: 2019-07-30
• 發明（設計）人: 程子耀;單文龍
• 申請（專利權）人: 廣州小鵬汽車科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/32;G06N3/04;G06N3/08
• 代理公司: 廣州德科知識產權代理有限公司 44381
• 代理人: 萬振雄;楊中強

本發明實施例涉及圖像處理技術領域，公開了一種基于生成式對抗網絡的圖像擴增方法及系統，該方法包括：對已采集的訓練圖像進行歸一化和預處理，以得到訓練圖像的初始數據集；通過目標區域提議網絡獲取初始數據集的目標前景區域的置信度，并根據置信度對目標前景區域進行幾何形狀二值消除，以得到WGAN模型訓練集；根據WGAN模型訓練集對WGAN模型進行訓練，以得到目標WGAN模型；將待擴增圖像輸入目標WGAN模型，以獲得目標擴增圖像集。實施本發明實施例，能夠克服圖像訓練集稀少的條件限制，有利于通過圖像訓練集訓練識別系統以提高識別系統的目標識別率。

技術領域

本發明涉及圖像處理技術領域，具體涉及一種基于生成式對抗網絡的圖像擴增方法及系統。

背景技術

隨著機器視覺的理論和模型的飛速發展，許多基于機器視覺的識別系統也相繼問世，基于機器視覺的識別系統由于可以在人工視覺難以滿足要求的場合中代替人工進行目標識別或者數據采集，所以被廣泛應用于電子、汽車制造等行業。

為了提高識別系統的目標識別率，通常需要大量的圖像訓練集來訓練識別系統，而大量的圖像訓練集通常通過對圖像訓練集作擴增操作獲得。傳統的圖像擴增方法主要有針對圖像角度層面上的旋轉和縮放，針對圖像屬性層面上的調整對比度、亮度等。在實踐中發現，傳統的圖像擴增方法無法根據圖像中的目標前景區域的內容進行圖像擴增操作，導致實際環境中的圖像訓練集稀少，從而不利于通過圖像訓練集訓練識別系統以提高識別系統的目標識別率。

發明內容

本發明實施例公開了一種于生成式對抗網絡的圖像擴增方法及系統，能夠克服圖像訓練集稀少的條件限制，有利于通過圖像訓練集訓練識別系統以提高識別系統的目標識別率。

本發明實施例第一方面公開一種基于生成式對抗網絡的圖像擴增方法，包括：

對已采集的訓練圖像進行歸一化和預處理，以得到所述訓練圖像的初始數據集；

通過目標區域提議網絡獲取所述初始數據集的目標前景區域的置信度，并根據所述置信度對所述目標前景區域進行幾何形狀二值消除，以得到WGAN模型訓練集；

根據所述WGAN模型訓練集對WGAN模型進行訓練，以得到目標 WGAN模型；

將待擴增圖像輸入所述目標WGAN模型，以獲得目標擴增圖像集。

作為一種可選的實施方式，在本發明實施例第一方面中，所述對已采集的訓練圖像進行歸一化和預處理，以得到所述訓練圖像的初始數據集，包括：

對已采集的訓練圖像進行歸一化處理，并將已執行歸一化處理的訓練圖像縮放為預設分辨率的第一訓練圖像；

對所述第一訓練圖像分別進行三次不同預設角度的旋轉操作，并在圖像周圍兩像素范圍內進行補零操作，以得到第二訓練圖像；

以預設的概率隨機調整所述第二訓練圖像的對比度和亮度，以得到第三訓練圖像；

標記出所述第三訓練圖像的真實目標區域，以得到所述已采集的訓練圖像的初始數據集。

作為一種可選的實施方式，在本發明實施例第一方面中，所述通過目標區域提議網絡獲取所述初始數據集的目標前景區域的置信度，并根據所述置信度對所述目標前景區域進行幾何形狀二值消除，以得到WGAN模型訓練集，包括：

通過目標區域提議網絡生成目標框，以根據所述目標框生成所述目標框對應的候選框；

通過所述候選框生成至少一個所述初始數據集的候選目標區域和所述候選目標區域對應的置信度；

根據所述置信度，通過非極大值抑制算法消除至少一個所述初始數據集的候選目標區域中冗余的候選目標區域，以得到第一候選目標區域；

判斷所述第一候選目標區域的面積是否大于或等于預設的面積閾值；