[發明專利]一種圖像數據增強處理方法、裝置、終端及存儲介質

在審

• 申請號: 202210539795.8
• 申請日: 2022-05-18
• 公開（公告）號: CN114913106A
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 王照;陳金梅;葛馨遠;鄭媛媛
• 申請（專利權）人: 廣東電網有限責任公司廣州供電局
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06T7/00;G06V10/764;G06V10/22;G06N3/04;G06N3/08
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 王永文

1.一種圖像數據增強處理方法，其特征在于，所述圖像數據增強處理方法包括：

獲取待處理圖像數據；其中，所述待處理圖像數據為無人機在預設區域巡航拍攝的多張原始圖像數據；

通過訓練后的GAN網絡模型對所述待處理圖像數據增強處理，生成所述待處理圖像數據的鏡像圖像數據；

對所述鏡像圖像數據進行判別，根據判別結果輸出所述待處理圖像數據的增強數據；

將所述增強數據及所述多張原始圖像數據作為所述無人機在預設區域巡航的缺陷樣本數據。

2.根據權利要求1所述的圖像數據增強處理方法，其特征在于，所述獲取待處理圖像數據，之前包括：

構建鏡像對稱的GAN網絡模型，得到用于圖像數據增強處理的環形網絡模型；

通過預設圖像樣本數據對所述GAN網絡模型進行訓練，得到所述訓練后的GAN網絡模型。

3.根據權利要求2所述的圖像數據增強處理方法，其特征在于，所述GAN網絡模型為對偶結構網絡，所述GAN網絡模型至少包括：生成器G、生成器F、鑒別器Dx、鑒別器Dy、卷積層、殘差模塊以及轉置卷積層。

4.根據權利要求3所述的圖像數據增強處理方法，其特征在于，所述通過預設圖像樣本數據對所述GAN網絡模型進行訓練，包括：

確定所述生成器G的重建Loss：

L(G_AB，G_BA，A，B)＝E_a～A[||G_AB(G_AB(a))-||₁]

確定所述鑒別器Dy的重建Loss：

L_GAN(G，G_Y，X，Y)＝E_y～Pdata(y)[log(D_Y(Y))]+E_x～Pdata(x)[log(1-D_Y(G(X)))]

根據確定的生成器重建Loss及所述預設圖像樣本數據對所述生成器G進行訓練；

根據確定的鑒別器重建Loss及所述預設圖像樣本數據對所述鑒別器Dy進行訓練；

將所述生成器G的訓練權重共享至所述生成器F，并將所述鑒別器Dy的訓練權重共享至所述鑒別器Dx；

根據目標圖像數據庫中的圖像數據計算所述生成器G和所述生成器F生成圖像的損失；

根據計算的損失和學習速率停止所述GAN網絡模型的訓練過程，得到所述訓練后的GAN網絡模型。

5.根據權利要求4所述的圖像數據增強處理方法，其特征在于，所述通過訓練后的GAN網絡模型對所述待處理圖像數據增強處理，包括：

利用卷積神經網絡從所述待處理圖像數據中提取特征，并將提取的特征壓縮為256個64*64的特征向量；

通過組合圖像的非相近特征，將圖像在DA域中的特征向量轉換為DB域中的特征向量；

利用反卷積層從轉換后的特征向量中還原標注的特征向量，生成所述待處理圖像數據的鏡像圖像數據。

6.根據權利要求4所述的圖像數據增強處理方法，其特征在于，所述對鏡像圖像數據進行判別，根據判別結果輸出所述待處理圖像數據的增強數據，包括：

將選定的圖像作為輸入圖像；其中，所述選定的圖像包括原始圖像和/或鏡像圖像；

通過所述鑒別器Dy從所述輸入圖像中提取相應的特征向量；

根據提取的特征向量將所述輸入圖像預測為所述原始圖像或所述生成器G輸出的鏡像圖像。

7.根據權利要求1所述的圖像數據增強處理方法，其特征在于，所述獲取待處理圖像數據，之前還包括：

根據先驗經驗對所述待處理圖像數據中的正常數據和燒傷數據進行數據標注；其中，所述正常數據的標注部位為電力網絕緣子本體，所述燒傷數據的標注部位為所述電力網絕緣子本體及燒傷部位。