[發明專利]圖像樣本集生成方法、設備、裝置及存儲介質

有效

• 申請號: 202010051064.X
• 申請日: 2020-01-16
• 公開（公告）號: CN111292396B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 李雅琴;韓派;袁操
• 申請（專利權）人: 武漢輕工大學
• 主分類號: G06T11/60
• 分類號: G06T11/60
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 王韜

本發明公開了一種圖像樣本集生成方法、設備、裝置及存儲介質，屬于圖像處理技術領域。本發明獲取包含標注特征信息的單幅樣本圖像，對單幅樣本圖像進行噪聲處理，獲得噪聲樣本圖像，通過預設判別器對所述噪聲樣本圖像進行圖像塊判斷，并根據判斷結果獲得目標樣本圖像，根據所述目標樣本圖像獲取包含所述標注特征信息的多張編輯圖像，根據所述單幅樣本圖像和多張所述編輯圖像構建圖像樣本集，通過單幅圖像進行標注，根據標注的單幅圖像構建圖像樣本集，能夠快速準確生成圖像樣本集，并且通過噪聲處理及判斷，同時提高了圖像樣本集生成的準確性。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種圖像樣本集生成方法、設備、裝置及存儲介質。

背景技術

機器學習中的深度學習對數據集具有相當大的要求，不僅需要大量數據的數據集，而且對于圖像數據的類型、尺寸及類別都有嚴格的要求，使得在某些復雜的情況下不易獲取到足夠數量的圖像樣本，目前應用較為廣泛的一種做法是通過人工標注的方法對圖像數據中的特征進行一一標注，從而得到圖像樣本集，但是這種做法會花費大量的人力財力，導致圖像樣本集的生成效率較低，同時生成的圖像樣本也不夠準確。

上述內容僅用于輔助理解本發明的技術方案，并不代表承認上述內容是現有技術。

發明內容

本發明的主要目的在于提供一種圖像樣本集生成方法、設備、裝置及存儲介質，旨在提高圖像樣本集的生成效率與準確性。

為實現上述目的，本發明提供了一種圖像樣本集生成方法，所述方法包括以下步驟:

獲取包含標注特征信息的單幅樣本圖像；

對所述單幅樣本圖像進行噪聲處理，獲得噪聲樣本圖像；

通過預設判別器對所述噪聲樣本圖像進行圖像塊判斷，并根據判斷結果獲得目標樣本圖像；

根據所述目標樣本圖像獲取包含所述標注特征信息的多張編輯圖像；

根據所述單幅樣本圖像和多張所述編輯圖像構建圖像樣本集。

優選地，所述獲取包含標注特征信息的單幅樣本圖像的步驟包括：

從數據庫中獲取自然圖像集；

對所述自然圖像集進行篩選，以獲得單幅目標自然圖像；

對所述單幅目標自然圖像進行特征標注，獲得包含標注特征信息的單幅樣本圖像。

優選地，所述對所述單幅目標自然圖像進行特征標注，獲得包含標注特征信息的單幅樣本圖像的步驟包括：

獲取所述單幅目標自然圖像對應的多個圖像塊，并根據所述多個圖像塊確定目標圖像塊；

對所述單幅目標自然圖像中的目標圖像塊進行標注，以獲得包含標注特征信息的單幅樣本圖像。

優選地，所述對所述單幅樣本圖像進行噪聲處理，獲得噪聲樣本圖像的步驟包括：

根據多尺度結構對所述單幅樣本圖像進行劃分，以獲得各尺度層的當前樣本圖像；

對所述各尺度層的當前樣本圖像進行噪聲處理，獲得各尺度層的噪聲樣本圖像。

優選地，所述對所述各尺度層的當前樣本圖像進行噪聲處理，獲得各尺度層的噪聲樣本圖像的步驟包括：

隨機生成噪聲圖像，并將所述噪聲圖像輸入至各尺度層中；

將各尺度層中的當前樣本圖像與所述噪聲圖像進行融合，獲得各尺度層的噪聲樣本圖像。

優選地，所述將各尺度層中的當前樣本圖像與所述噪聲圖像進行融合，獲得各尺度層的噪聲樣本圖像的步驟包括：

獲取各尺度層對應的尺度粗細度；