[发明专利]用于目标检测数据增强的生成对抗网络的构建方法

权利要求书

1.一种用于目标检测数据增强的生成对抗网络的构建方法，其特征在于，所述的方法包括步骤：

1)搭建生成器中的泊松融合部分：将泊松融合嵌入到生成器中，以在生成图片时更改对象的数量、位置或大小；假设有3类物体，从原始数据集中每类物体分别选择X,Y和Z个然后建立一个对象集合P；每生成一张图片，就从集合P中随机选择x,y,z个对象构成一个子集

P_a＝{N₁,...,N_x,O₁,...,O_y,U₁,...U_z}(1)

其中，N，O，U分别表示原始数据集中的类别；然后将P_a嵌入到一个临时图像T∈R^3×720×405中，生成一个源图像S∈R^3×720×405；为了消除明显的边界，根据S中嵌入的位置自动创建掩膜M，然后与背景图像B∈R^3×720×405和源图像S合并得到一个克隆图像C；

2)搭建生成器中的网络学习部分：构建网络；使用U-Net作为骨干结构，使用3×3卷积层的堆叠构建编码器；对于解码器，使用4个ResNeXt块构建，记为块n,n∈{1，…，4}；

3)搭建鉴别器；鉴别器也由ResNeXt块和卷积层的堆叠构成；该架构与SRGAN中的设置相同，增加了更多的层来处理512×512的分辨率的输入；

4)设置损失函数；对于生成器的损失函数，定义为：L_G＝L_cont+λ₁L_adv+L_reg(2)

其中λ₁为1e-4，L_reg定义为：

其中，c、h、w为特征图的通道数、高度和宽度，M为掩模；融合部分取100，其他区域取0.1；

5)生成训练所需的图像对：一个图像对中的两幅图像只需要在嵌入部分的边缘信息上有所不同，就使生成器学习融合图像到正常图像的映射，通过使用从克隆图像C自动裁剪的相同类别的对象来覆盖原始数据集中的图像中的对象来创建图像对；考虑到同一物种的外观相似性，除了边缘信息外，原始图像和处理后的图像几乎相同，因此直接将原始图像视为真实图像，将处理后的图像视为虚假图像。

2.根据权利要求1所述的一种用于目标检测数据增强的生成对抗网络的构建方法，其特征在于，对于解码器，使用4个ResNeXt块构建，将块n设为[20,10,10,5]。