[發明專利]一種圖像分類模型的數據集擴充方法、訓練方法及裝置

在審

• 申請號: 202011612335.0
• 申請日: 2020-12-30
• 公開（公告）號: CN112613575A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 黃高;王朝飛;宋士吉
• 申請（專利權）人: 清華大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京安信方達知識產權代理有限公司 11262
• 代理人: 栗若木

1.一種圖像分類模型的數據集擴充方法，所述圖像分類模型基于卷積神經網絡實現，所述數據集擴充方法包括：

針對圖像分類模型的訓練數據集中的至少部分圖片樣本中的每個圖片樣本，分別執行如下操作：

獲取該圖片樣本對應預設類別的類激活圖CAM；

采用預設的算法從所述CAM圖中獲取預設目標所對應的區域，并確定該區域在所述圖片樣本中的位置坐標；

利用所述位置坐標從所述圖片樣本中得到裁剪后的圖片；

將該裁剪后的圖片標注成與所述圖片樣本相同的類別后，作為圖片樣本保存進所述訓練數據集。

2.根據權利要求1所述的圖像分類模型的數據集擴充方法，其特征在于，所述獲取該圖片樣本對應預設類別的類激活圖CAM，包括：

獲取所述圖片樣本在所述圖像分類模型的最后一層卷積層輸出的特征圖；

對每個像素位置點，分別將所有特征圖中按照所述預設類別所對應的加權系數進行加權求和，得到對應該預設類別的CAM圖。

3.根據權利要求2所述的圖像分類模型的數據集擴充方法，其特征在于，所述采用預設的算法從所述CAM圖中獲取預設目標所對應的區域，包括：

利用預先設置的方法確定該CAM圖中該超出預置閾值的區域；

將該區域作為預設目標所對應的區域。

4.根據權利要求3所述的圖像分類模型的數據集擴充方法，其特征在于，所述預先設置的方法包括閾值選取法和最大連通域法。

5.根據權利要求4所述的圖像分類模型的數據集擴充方法，其特征在于，所述將該裁剪后的圖片標注成與所述圖片樣本相同的類別后保存進所述訓練數據集，包括：

將該裁剪后的圖片標注成與所述圖片樣本相同的類別后，作為圖片樣本保存進初始的訓練數據集。

6.根據權利要求5所述的圖像分類模型的數據集擴充方法，其特征在于，所述將該裁剪后的圖片標注成與所述圖片樣本相同的類別后保存進所述訓練數據集，還包括：

將該裁剪后的圖片標注成與所述圖片樣本相同的類別后，保存進初始的訓練數據集之外的其它訓練數據集。

7.一種圖像分類模型的訓練方法，包括：

按照如權利要求1-6的圖像分類模型的數據集擴充方法對圖像分類模型的原始數據集進行擴充，得到擴充后的圖像數據集；

采用擴充后的圖像數據集對圖像分類模型進行訓練。

8.一種圖像分類模型的訓練裝置，包括：數據集擴充模塊和訓練模塊；

所述數據集擴充模塊，用于按照如權利要求1-6的圖像分類模型的數據集擴充方法對圖像分類模型的原始數據集進行擴充，得到擴充后的圖像數據集；

所述訓練模塊，用于采用擴充后的圖像數據集對圖像分類模型進行訓練；該訓練模塊包括單獨訓練模型和聯合訓練模塊。

9.一種裝置，包括存儲器和處理器；其特征在于，所述存儲器用于保存用于圖像分類模型的數據集擴充或圖像分類模型訓練程序，所述處理器用于讀取執行所述用于圖像分類模型的數據集擴充或圖像分類模型訓練程序，執行權利要求1-6任一項所述的圖像分類模型的數據集擴充方法或權利要求7所述的圖像分類模型訓練方法。

10.一種存儲介質，其特征在于，所述存儲介質中存儲有用于圖像分類模型的數據集擴充或圖像分類模型訓練程序，所述程序被設置為在運行時執行權利要求1-6任一項所述的圖像分類模型的數據集擴充方法或權利要求7所述的圖像分類模型訓練方法。