[发明专利]图片预处理及模型训练方法、装置、服务器及存储介质

说明书

本发明实施例公开了一种图片预处理及模型训练方法、装置、服务器及存储介质。图片预处理方法包括：获取样本图片；判断样本图片的类型；根据样本图片的类型，确定对样本图片的预处理方式；根据预处理方式对所述样本图片进行预处理，得到训练样本图片。模型训练方法包括：根据图片预处理方法得到训练样本图片；将训练样本图片添加到训练样本集；根据训练样本集中的样本图片训练初始模型，得到训练后模型。本发明实施例中对于不同类型的样本图片，采用不同的预处理方式，使得样本图片能展现更丰富的影响参数和信号，因此后续利用样本图片进行模型训练时，模型能够更专注于关注特征，而忽略掉这些影响参数或信号，进而提高模型分类准确度。

技术领域

本发明涉及计算机技术领域，具体涉及一种图片预处理及模型训练方法、装置、服务器及存储介质。

背景技术

在图像的深度学习中，为了丰富图像样本训练集，更好的提取图像特征，泛化模型(防止模型过拟合)，一般都会对数据图像进行数据增强，数据增强常用的方式，就是旋转图像，剪切图像，改变图像色差，扭曲图像特征，改变图像尺寸大小，增强图像噪音，镜像操作，平滑操作，对比度明度操作等等。在不同的任务背景下，可以通过图像的几何变换，使用一下一种或者多种组合数据增强变换来增加样本数据的量。

在图片分类和行为检测等视觉领域，现有的数据增强方案只有一个基础版本，包含镜像操作，平滑操作，对比度明亮度操作，旋转操作，剪切操作，以及可供调节的参数等等，而使用者在进行模型训练之前按照该基础版本的数据增强方案对数据集进行数据预处理，该基础版本支持大部分的数据集预处理，但对于不同对象的数据而言，利用基础版本的数据增强方法得到的样本数据进行训练后得到的模型泛化性能较弱，分类准确度不高。

发明内容

本发明实施例提供一种图片预处理及模型训练方法、装置、服务器及存储介质，使得样本图片能展现更丰富的影响参数和信号，因此后续利用样本图片进行模型训练时，模型能够更专注于关注特征，而忽略掉这些影响参数或信号，进而提高模型分类准确度。

第一方面，本申请提供一种图片预处理方法，所述图片预处理方法包括：

获取样本图片；

判断所述样本图片的类型；

根据所述样本图片的类型，确定对所述样本图片的预处理方式；

根据所述预处理方式对所述样本图片进行预处理，得到训练样本图片。

在本申请一些实施例中，所述根据所述样本图片的类型，确定对所述样本图片的预处理方式，包括：

若所述样本图片的类型为光流图，确定对所述样本图片的预处理方式为第一预处理方式，所述第一预处理方式中包括噪声处理和模糊处理。

在本申请一些实施例中，所述根据所述预处理方式对所述样本图片进行预处理，得到训练样本图片，包括：

对所述样本图片进行第一基础增广处理，得到第一样本图片；

对所述第一样本图片进行通道混洗以及拉普拉斯噪声处理，以在所述第一样本图片中添加椒盐噪声，得到第二样本图片；

对所述第二样本图片进行模糊处理，以在所述第二样本图片中添加环境噪声，得到训练样本图片。

在本申请一些实施例中，所述根据所述样本图片的类型，确定对所述样本图片的预处理方式，包括：

若所述样本图片的类型为RGB图片，确定对所述样本图片的预处理方式为第二预处理方式，所述第二预处理方式中包括通道权重配比处理。

在本申请一些实施例中，所述根据所述预处理方式对所述样本图片进行预处理，得到训练样本图片，包括：

对所述样本图片进行第二基础增广处理，得到第三样本图片；