[发明专利]基于全连接自动编码机的瞬态图像的数据增强方法

权利要求书

1.基于全连接自动编码机的瞬态图像数据的增强方法，其特征在于，包括以下步骤：

S1.输入瞬态图像数据，利用对数变换处理进行数值转换，并将处理好的数据将作为训练数据输入全连接自动编码机网络模型中进行网络迭代训练；

所述步骤S1中，所述利用对数变换处理进行数值转换，具体实现方式为：

在网络迭代训练之前，利用函数对数据进行预处理，处理后的数据会被映射到[0，8]这个区间内；

S2.在网络迭代训练前，设置全连接自动编码机的网络结构；

所述步骤S2中的全连接自动编码机网络结构设置，具体实现为：

（1）该全连接自动编码机网络为全连接网络；

（2）共计13层，每层神经元个数为[4096，2048，1024，512，256，128，64，128，256，512，1024，2048，4096]；

（3）每层权重初始值均满足标准差为1，均值为0的正态分布；每层偏置初始值均设置为0；

（4）每层的激活函数均设置为

（5）原始损失函数设置为均方误差函数；

（6）训练时，利用将原始输入数据映射到[0，8]区间并利用/对网络输出数据反向映射回瞬态图像数据的原始区间；

S3.通过迭代训练得到训练好的全连接自动编码机网络模型；

S4.对原始待增强的瞬态图像数据进行数值转换，转换方式与训练时对训练数据的操作一致；

所述步骤S4中对原始待增强的瞬态图像数据进行数值转换，转换方式与训练时对训练数据的操作一致，具体实现为：

需要进行数据增强的原始数据同样是瞬态图像，也满足瞬态图像数据分布特点，利用训练预处理时使用的函数将原始数据映射到[0，8]区间，保证权重模型的正确使用；

S5.将转换后的数据输入至训练好的全连接自动编码机网络模型中，获得网络输出数据；

S6.对网络输出数据进行逆变换，将数据映射回原值域区间，得到增强数据。

2.根据权利要求1所述的基于全连接自动编码机的瞬态图像数据的增强方法，其特征在于，在（5）中，加入L2正则化作为损失函数的惩罚项，使损失函数变为原始损失函数+惩罚项；相关正则化项的系数设置为5e-6；通过加入L2正则化，防止过拟合并提高模型泛化性能；在计算完损失函数后，数据将会被Relu函数进行修剪后再作为网络结果输出。

3.根据权利要求 1所述的基于全连接自动编码机的瞬态图像数据的增强方法，其特征在于，所述步骤S3中，通过迭代训练得到训练好的全连接自动编码机网络模型，具体实现为：

训练按批次训练，即把全体训练数据分成多个批次的数据，每次迭代只使用其中一批次数据来训练网络；

每次迭代目标均为减少均方误差损失函数的值，当均方误差大于等于当前记录的最小值MIN时，计数k加1；反之，更新MIN值为当次迭代的均方误差，计数k置零；

当计数k大于设置的threshold时，迭代停止，训练完成，得到训练好的权重模型。

4.根据权利要求 3所述的基于全连接自动编码机的瞬态图像数据的增强方法，其特征在于，为保证训练速度及训练稳定性，在不同的迭代次数采用不同的学习率，当训练周期处于[0，80]区间内时，学习率设置为4e-5，处于[81，230]区间时，学习率设置为1e-5，当迭代次数超过230后，学习率设置为5e-6。

5.根据权利要求1所述的基于全连接自动编码机的瞬态图像数据的增强方法，其特征在于，所述步骤S5中，将转换后的数据输入至训练好的全连接自动编码机网络模型中，获得网络输出数据，具体实现为：

读取经过预处理的数据，调出训练好的权重模型，数据经过13层网络，得到位于区间[0，8]的输出结果。

6.根据权利要求1所述的基于全连接自动编码机的瞬态图像数据的增强方法，其特征在于，所述步骤S6中对网络输出数据进行逆变换，将数据映射回原区间，得到增强数据，具体实现为：

在输入前，先对数据进行了对数变换，使其映射到[0，8]区间，在得到网络的原始输出后，需要通过函数对其进行逆变换，使数据映射回原区间。/