[發明專利]一種圖像樣本擴充方法、裝置及存儲介質

在審

• 申請號: 202010782912.4
• 申請日: 2020-08-06
• 公開（公告）號: CN112085160A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 韓林嶧;宋德超;賈巨濤;楊昌品;王彬
• 申請（專利權）人: 珠海格力電器股份有限公司;珠海聯云科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06T5/50;G06K9/62
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 張愷寧

本申請公開了一種圖像樣本擴充方法、裝置及存儲介質，涉及圖像處理領域，用以解決在樣本集中的樣本數量有限時，使得神經網絡模型訓練的效果較差的問題。該方法包括：從用于神經網絡訓練的樣本集合中選取圖像類型相同的至少兩張樣本圖像；以預設的融合系數對選取的樣本圖像的像素進行融合處理，生成用于神經網絡訓練的擴充圖像。這樣，在樣本集中的樣本數量有限時，通過將樣本集中的樣本圖像進行融合處理，可以得到新的圖像，從而使得樣本集中的樣本數量增多，從而提高了神經網絡模型訓練的效果。

技術領域

本申請涉及圖像處理領域，尤其涉及一種圖像樣本擴充方法、裝置及存儲介質。

背景技術

在圖像識別領域，通常會使用深度學習方法進行圖像識別，而在進行深度學習時，需要通過樣本集對神經網絡模型進行訓練，為了使神經網絡模型能夠準別的進行圖像識別，需要的樣本數量越多越好。在現有技術中，若樣本集中的樣本數量有限，則會使得神經網絡模型訓練的效果較差。

發明內容

本申請實施例提供一種圖像樣本擴充方法、裝置及存儲介質，用以解決在樣本集中的樣本數量有限時，使得神經網絡模型訓練的效果較差的問題。

第一方面，本申請實施例提供一種圖像樣本擴充方法，該方法包括：

從用于神經網絡訓練的樣本集合中選取圖像類型相同的至少兩張樣本圖像；

以預設的融合系數對選取的樣本圖像的像素進行融合處理，生成用于神經網絡訓練的擴充圖像。

上述方法，通過將至少兩張圖像類型相同的圖像的各像素點進行融合，從而可以得到一個新的圖像，這樣，在樣本集中的樣本數量有限時，通過將樣本集中的樣本圖像進行融合處理，可以得到新的圖像，從而使得樣本集中的樣本數量增多，從而提高了神經網絡模型訓練的效果。

在一種可能的實現方式中，所述從用于神經網絡訓練的樣本集合中選取圖像類型相同的至少兩張樣本圖像，包括：

根據預設的擴充圖像數量，從用于神經網絡訓練的樣本集合中選取圖像類型相同的至少兩張樣本圖像；

所述以預設的融合系數對選取的樣本圖像的像素進行融合處理，生成用于神經網絡訓練的擴充圖像之后，所述方法還包括：

以所述樣本圖像m張、所述擴充圖像n張的方式交替輸入到神經網絡模型中訓練；其中，m和n為所述樣本圖像的數量和所述擴充圖像的數量的比例關系中的比例系數。

上述方法，將樣本圖像和擴充圖像依次交替輸入到神經網絡模型中訓練，可以使神經網絡模型訓練的結果更加準確。

在一種可能的實現方式中，所述從用于神經網絡訓練的樣本集合中選取圖像類型相同的至少兩張樣本圖像，包括：

滿足預設的選取條件后，從用于神經網絡訓練的樣本集合中選取圖像類型相同的至少兩張樣本圖像；其中，所述選取條件包括以下中的部分或全部：

接收到用于生成擴充圖像的擴充指令；

生成的所述擴充圖像的數量小于預設擴充數量。

上述方法，通過選取條件進行選取圖像，這樣，在知道了所需擴充圖像的數量后，可以自動選取圖像，直到生成滿足數量的擴充圖像。

在一種可能的實現方式中，所述以預設的融合系數對選取的樣本圖像的像素進行融合處理，生成用于神經網絡訓練的擴充圖像，包括：

以所述融合系數為權重因子對選取的樣本圖像中同一位置像素點的像素值進行加權求和，得到該像素點融合后的像素值；

根據各像素點融合后的像素值得到所述擴充圖像。

上述方法，通過將多張圖像在同一位置像素點的像素值進行加權求和，可以得到一張新的擴充圖像。