[发明专利]一种图像增强训练方法及其系统、计算机可读存储介质

说明书

本发明提供一种图像增强训练方法及其系统、计算机可读存储介质，所述方法基于深度学习框架实现，所述深度学习框架提供多个基础模板算法，所述方法包括如下步骤：根据用户输入的关键词，基于网络爬虫从互联网获取目标图像数据；对所述目标图像数据进行筛选得到第一训练数据集；从所述多个基础模板算法中选取若干基础模板算法构建图像增强算法，并利用所述图像增强算法对所述第一训练数据集进行训练，并生成第一训练结果。本发明对现有用于图像增强的深度学习框架进行改进，提高图像增强训练的工作效率。

技术领域

本发明图像增强训练技术领域，特别涉及一种图像增强训练方法及其系统、计算机可读存储介质。

背景技术

深度学习随着人工智能的开展得到了长足的发展，并且深度学习在各种领域的使用者反应良好，受到科技企业和高校的广泛关注。现在越来越多的科研人员开始采用深度学习来解决问题，特别是在图像识别、语音识别等领域应用广泛。在深度学习初始阶段，每个深度学习研究者都需要写大量的重复代码。为了提高工作效率，这些研究者就将这些代码写成了一个框架放到网上让所有研究者一起使用。接着，网上就出现了不同的框架。随着时间的推移，最为好用的几个框架被大量的人使用从而流行了起来。全世界最为流行的深度学习框架有PaddlePaddle、Tensorflow、Caffe、Theano、 MXNet、Torch和PyTorch。在实现本发明的过程中，发明人发现现有用于图像增强的深度学习框架存在以下缺陷：收集图像样本花费的时间较长，需手动处理样本数据，耗费人力和时间成本，没有自动生成训练报告功能等等。

发明内容

本发明旨在提出一种图像增强训练方法及其系统、计算机可读存储介质，以对现有用于图像增强的深度学习框架进行改进，提高图像增强训练的工作效率。

第一方面，本发明实施例提出一种图像增强训练方法，其基于深度学习框架实现，所述深度学习框架提供多个基础模板算法，其特征在于，所述方法包括如下步骤：

根据用户输入的关键词，基于网络爬虫从互联网获取目标图像数据；

对所述目标图像数据进行筛选得到第一训练数据集；

从所述多个基础模板算法中选取若干基础模板算法构建图像增强算法，并利用所述图像增强算法对所述第一训练数据集进行训练，并生成第一训练结果。

其中，所述深度学习框架还提供多个基础模板图像，所述基础模板图像为经过多轮深度学习算法验证的能够被有效进行增强的图像；

所述方法包括：

从所述多个基础模板图像中选取若干基础模板图像加入所述第一训练数据集中得到第二训练数据集；

利用所述图像增强算法对所述第二训练数据集进行训练，并生成第二训练结果；

对比所述第一训练结果和第二训练结果，根据对比结果判断算法是否有效。

其中，所述多个基础模板算法包括卷积神经网络算法的一部分或全部，以及递归神经网络算法的一部分或全部。

其中，所述方法包括：

根据训练结果生成报告，所述报告至少包括训练样本信息、训练算法以及训练结果。

其中，所述深度学习框架还提供数据增强模块；

所述方法包括：

在对所述目标图像数据进行筛选得到图像训练数据集之前，利用所述数据增强模块对所述目标图像数据进行数据增强，包括颜色变换、色彩平移、反色、亮度增强、图像大小比例随机缩放、旋转、模糊化、随机截取中的一种或多种。

第二方面，本发明实施例提出一种图像增强训练系统，用于实现实施例所述的图像增强训练方法，包括深度学习框架，所述深度学习框架包括基础算法模块、网络爬虫模块、图像筛选模块、算法构建模块、训练模块；