[发明专利]图像数据集增广方法、系统、计算机设备和存储介质

说明书

本发明提供了一种图像数据集增广方法、系统、计算机设备和存储介质，图像数据集增广方法包括：获取具有目标内容数据的第一类图像和具有目标风格特征数据的第二类图像；通过预设卷积算法获取目标内容数据和目标风格特征数据；确定与目标内容数据和目标风格特征数据相关的目标损失函数，通过目标损失函数进行迭代计算，以生成具有目标内容数据和目标风格特征数据的第三类图像。应用了本发明提供的技术方案，依据图像风格迁移思想，可将不同样本图像中的目标内容数据和目标风格特征数据进行组合，进而得到同时具备两个样本特征的第三类图像，实现了简单有效的图像数据集增广。

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种图像数据集增广方法、一种图像数据集增广系统、一种计算机设备和一种计算机可读存储介质。

背景技术

基于深度学习的夜间图像还原任务神经网络训练阶段需要白天至黑夜的图像集对。其中图像还原是逐像素对比还原，即图像最小粒度像素级对齐还原。现场的工业环境通常依靠摄像头采集同一拍摄主体(如煤堆)在白天/黑夜时的成对图像，但白天采集某一场景(如煤堆)的图像后，随着施工进程，到了夜间煤堆可能会减小，或存在其他障碍物(车辆或行人)遮挡，使得煤堆白天-黑夜相同内容和位置的图像在采集时十分困难。

常用的数据增广方法，如水平翻转、一定程度的位移、裁剪、旋转、颜色抖动、增加噪声等数据增广方法大多适用于分类和检测任务，针对图像还原任务并不适用。

因此，目前亟需一种可以用于图像还原任务的图像数据集增广方法。

发明内容

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本发明的第一方面提出一种图像数据集增广方法。

本发明的第二方面提出一种图像数据集增广系统。

本发明的第三方面提出一种计算机设备。

本发明的第四方面提出一种计算机可读存储介质。

有鉴于此，本发明的第一方面提供了一种图像数据集增广方法，包括：获取具有目标内容数据的第一类图像和具有目标风格特征数据的第二类图像；通过预设卷积算法获取目标内容数据和目标风格特征数据；确定与目标内容数据和目标风格特征数据相关的目标损失函数，通过目标损失函数进行迭代计算，以生成具有目标内容数据和目标风格特征数据的第三类图像。

在该技术方案中，首先获取具有目标内容数据的第一类图像，同时获取具有目标风格特征数据的第二类图像。其中第一类图像的数量可大于第二类图像的数量。以第一类图像作为内容图像，以第二类图像为风格图像，根据图像风格迁移思想，通过深度学习算法，即预设卷积算法获取第一类图像的目标内容数据，并获取第二类图像的目标风格特征数据。在完成目标内容数据和目标风格特征数据的提取后，进一步确定与目标内容数据和目标风格特征数据相关的目标损失函数，并通过目标损失函数进行迭代计算，最终得到的计算结果为同时具有目标内容数据和目标风格特征数据的第三类图像，实现了图像数据集的增广。应用了本发明提供的技术方案，依据图像风格迁移思想，可将不同样本图像中的目标内容数据和目标风格特征数据进行组合，进而得到同时具备两个样本特征的第三类图像，实现了简单有效的图像数据集增广。

具体地，以应用场景为对煤堆的夜间图像样本进行增广为例。煤堆的白天图像的采集比较容易实现，因此可获得大量煤堆的白天图像。而相同位置的煤堆的夜间图像的采集较为困难，可采集一部分煤堆的夜间图像。通过提取白天图像中的目标内容数据，即拍摄主体“煤堆”，同时提取夜间图像中的目标风格特征数据，即“夜间”，通过损失函数迭代计算，将“夜间”的风格迁移“煤堆”的内容上，进而生成了一张“夜间的煤堆”的新的图像，从而实现了对煤堆的夜间图像的数据集增广。

另外，本发明提供的上述技术方案中的图像数据集增广方法还可以具有如下附加技术特征：