[发明专利]一种深度学习训练样本优化方法

权利要求书

1.一种深度学习训练样本优化方法，其特征是

获取训练样本原图像及原始样本标注信息，根据原始样本标注信息，得到训练样本的子图像信息，其中子图像信息包括单一的子图像信息和交叠的子图像信息；

对单一的子图像信息和交叠的子图像信息分别进行预处理，

对预处理后的单一的子图像信息和交叠的子图像信息分别进行边缘检测，得到单一的子图像轮廓信息和交叠的子图像轮廓信息，

根据单一的子图像轮廓信息对单一的子图像信息进行压缩剪裁处理，得到压缩剪裁优化的子图像标注信息，

根据交叠的子图像轮廓信息对交叠的子图像信息中交叠的图像分别进行分割补全处理，得到优化的子图像标注信息。

2.根据权利要求1所述的方法，其特征是若为多个样本图像交叠的子图像信息，则根据交叠的子图像轮廓信息划分出与交叠的样本图像数量相等的各个图像，进行分割补全处理，得到优化的子图像标注信息。

3.根据权利要求2所述的方法，其特征是对各个图像进行分割补全处理时，将各个图像中交叠的部分分成两部分，分别求出各部分像素平均值，保留本部分图像，使用另一部分的像素平均值作为背景色补全交叠图像，并根据交叠子图像标注信息的相对位置信息，补全子图像，得到优化后的样本标注信息。

4.根据权利要求1-3任一所述的方法，其特征是根据单一的子图像轮廓信息对单一的子图像信息进行压缩剪裁处理，保留图像上下左右四个方向距离轮廓极值一定像素值范围内的原图像像素数据，丢弃剩余像素数据，得到压缩剪裁优化的子图像标注信息。

5.根据权利要求4所述的方法，其特征是对预处理后的单一的子图像信息和交叠的子图像信息分别进行边缘检测，边缘检测判定为图像轮廓时选取边缘连续处，且坐标位于水平、竖直、左上右下、左下右上方向极值为边缘，得到单一的子图像轮廓信息和交叠的子图像轮廓信息。

6.根据权利要求5所述的方法，其特征是对单一的子图像信息和交叠的子图像信息分别进行平滑滤波预处理，消除局部噪声。