[發(fā)明專利]一種圖像的數(shù)據(jù)處理方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011381293.4
• 申請(qǐng)日: 2020-11-30
• 公開(kāi)（公告）號(hào): CN112801857A
• 公開(kāi)（公告）日: 2021-05-14
• 發(fā)明（設(shè)計(jì)）人: 沈程秀;馬文偉;劉設(shè)偉
• 申請(qǐng)（專利權(quán)）人: 泰康保險(xiǎn)集團(tuán)股份有限公司;泰康在線財(cái)產(chǎn)保險(xiǎn)股份有限公司
• 主分類號(hào): G06T3/00
• 分類號(hào): G06T3/00;G06T5/00;G06T7/11;G06K9/62
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 莎日娜

本發(fā)明提供了一種圖像的數(shù)據(jù)處理方法、裝置、計(jì)算機(jī)設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，包括：獲取原始圖像以及第一保留比例；將原始圖像劃分為多個(gè)形狀相同的待刪除區(qū)域；對(duì)部分或全部待刪除區(qū)域，按照與第一保留比例的差值在預(yù)設(shè)范圍內(nèi)的第二保留比例進(jìn)行信息的刪除，得到增強(qiáng)圖像。本發(fā)明首先將需要進(jìn)行數(shù)據(jù)增強(qiáng)的原始圖像劃分為多個(gè)形狀相同的待刪除區(qū)域，使得根據(jù)第二保留比例進(jìn)行的信息刪除是在不同的待刪除區(qū)域中，從而可以確保被刪除掉的部分是均勻分散在原始圖像中的，避免了僅刪除圖像中的背景區(qū)域信息的可能，同時(shí)，可以通過(guò)改變保留比例，控制被刪除的信息量，從而確保利用原始圖像和增強(qiáng)圖像訓(xùn)練后得到的影像分類模型的預(yù)測(cè)結(jié)果的準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別是涉及一種圖像的數(shù)據(jù)處理方法、裝置、計(jì)算機(jī)設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

近年來(lái)，卷積神經(jīng)網(wǎng)絡(luò)在很多計(jì)算機(jī)視覺(jué)場(chǎng)景，例如圖像分類、目標(biāo)檢測(cè)、語(yǔ)義分割等領(lǐng)域得到了廣泛的應(yīng)用。

為得到精度較高的神經(jīng)網(wǎng)絡(luò)模型，需要大量的訓(xùn)練數(shù)據(jù)，在現(xiàn)有技術(shù)中，很多時(shí)候并不是僅通過(guò)數(shù)據(jù)采集得到足夠多的訓(xùn)練數(shù)據(jù)，而是將已經(jīng)得到的數(shù)量較少的訓(xùn)練數(shù)據(jù)，利用數(shù)據(jù)增強(qiáng)的方式產(chǎn)生更多的訓(xùn)練數(shù)據(jù)，現(xiàn)有的數(shù)據(jù)增強(qiáng)的方式主要有：空間變換、顏色扭曲和信息刪除，針對(duì)從原始圖像中刪除部分信息的信息刪除的方式而言，其刪除過(guò)程是隨機(jī)的對(duì)原始圖像中的部分區(qū)域進(jìn)行裁剪，從而將裁剪后的圖像也作為一個(gè)訓(xùn)練數(shù)據(jù)，與原始圖像一起共同訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。

但是，在隨機(jī)刪除圖像的過(guò)程中，若僅刪除了背景區(qū)域信息，或者刪除的信息較少，則不能起到數(shù)據(jù)增強(qiáng)的作用，可能導(dǎo)致神經(jīng)網(wǎng)絡(luò)模型發(fā)生過(guò)擬合；若刪除過(guò)量的信息，使圖像失去了圖像原本的含義，則可能導(dǎo)致神經(jīng)網(wǎng)絡(luò)模型欠擬合，從而會(huì)使得神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果準(zhǔn)確度較差。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供一種圖像的數(shù)據(jù)處理方法、裝置、計(jì)算機(jī)設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，在一定程度上解決了目前方案中通過(guò)信息刪除進(jìn)行圖像的數(shù)據(jù)處理時(shí)，隨機(jī)的進(jìn)行信息的刪除導(dǎo)致訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果準(zhǔn)確度較差的問(wèn)題。

依據(jù)本發(fā)明的第一方面，提供了一種圖像的數(shù)據(jù)處理方法，包括：

獲取原始圖像以及與所述原始圖像對(duì)應(yīng)的第一保留比例，所述保留比例為進(jìn)行數(shù)據(jù)增強(qiáng)后的增強(qiáng)圖像的信息量與所述原始圖像的信息量的比值；

將所述原始圖像劃分為多個(gè)形狀相同的待刪除區(qū)域；

對(duì)部分或全部所述待刪除區(qū)域，按照與所述第一保留比例的差值在預(yù)設(shè)范圍內(nèi)的第二保留比例進(jìn)行信息的刪除，得到所述增強(qiáng)圖像；

利用所述原始圖像和所述增強(qiáng)圖像訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，得到影像分類模型；

獲取待分類影像，并將所述待分類影像輸入所述影像分類模型，得到所述待分類影像的分類結(jié)果。

依據(jù)本發(fā)明的第二方面，提供了一種圖像的數(shù)據(jù)處理裝置，該裝置可以包括：

第一獲取模塊，用于獲取原始圖像以及與所述原始圖像對(duì)應(yīng)的第一保留比例，所述保留比例為進(jìn)行數(shù)據(jù)增強(qiáng)后的增強(qiáng)圖像的信息量與所述原始圖像的信息量的比值；

劃分模塊，用于將將所述原始圖像劃分為多個(gè)形狀相同的待刪除區(qū)域；

裁剪模塊，用于對(duì)部分或全部所述待刪除區(qū)域，按照與所述第一保留比例的差值在預(yù)設(shè)范圍內(nèi)的第二保留比例進(jìn)行信息的刪除，得到所述增強(qiáng)圖像；

第一生成模塊，用于利用所述原始圖像和所述增強(qiáng)圖像訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，得到影像分類模型；

第二生成模塊，用于獲取待分類影像，并將所述待分類影像輸入所述影像分類模型，得到所述待分類影像的分類結(jié)果。

第三方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)設(shè)備，所述計(jì)算機(jī)設(shè)備包括：