[发明专利]一种边缘数据增强模型、以及基于所述模型的高效边缘数据增强方法及系统

权利要求书

1.一种边缘数据增强模型，其特征在于，包括：

图像处理模块，用于对图像的规格进行重置，并将其输入神经网络；

神经网络模块，用于接收经过图像处理的图片，并完成对切分图像的重组；

硬件存储模块，用于存储图像处理中的图片，以及配合神经网络提取图片时，对其进行访问。

2.根据权利要求1所述的一种边缘数据增强模型，其特征在于，所述图像处理模块进一步：

对硬件存储中的图片进行图片访问，将其经过切分得到预定数量的小图像块数，并将获得的小图像块传输至神经网络中；其中切分按照重叠方式切分，图像边界部分按照重叠方式多切分预定量的像素区域；每个小图像块向外部扩充预定个像素，其中原图的边缘部分进行填零处理。

3.根据权利要求1所述的一种边缘数据增强模型，其特征在于，所述神经网络进一步为：

神经网络包含下采样、上采样、像素重组；其中下采样中由卷积层和最大池化层构成，在卷积层完成卷积运算后，将获得的数值传输至最大池化层，利用最大池化的平移不变性选取小图像块内最大的数值，舍弃其他节点并保持原有平面结构输出；

其中上采样由数据上采样、连接层、卷积层构成，对接收到经过卷积的图像利用上采样进行图像的特征的进一步提取；

其中像素重组将在图像处理过程中切分且同时经过神经网络处理的小图像块，按照切分时的排列顺序重新合并为一张图像，即合并的图像为增强过后的图像；其中合并时出现的重叠区域，取两侧图像的平均值。

4.根据权利要求1所述的一种边缘数据增强模型，其特征在于，所述硬件存储进一步为：

硬件存储为神经网络计算提供存储空间，通过扩展片内存储空间，将内存全部缓存在CPU的片内存储系统中。

5.一种基于权利要求1～4中任一项所述的一种边缘数据增强模型的高效边缘数据增强方法，其特征在于，包括：

步骤一：扩展硬件存储内存；所述硬件内存用于为神经卷积网络计算提供存储空间，并将内存全部缓存在CPU的片内存储系统中；

步骤二：对输入神经网络的图像进行与设定数值大小的切分；

步骤三：构建神经卷积网络；所述神经网络用于访问硬件存储内存，并接收经过切分后的图片，将其通过像素重组完成图像重组。

6.根据权利要求5所述的一种高效边缘数据增强方法，其特征在于，所述步骤二进一步为：

将输入神经网络中的图片大小进行规格的预定值重置，配合扩中内存后的硬件存储大小，对图片进行预定数量的切分，获得小图像块；其中切分采用重叠切分的方式，在图像进行切分时，在图像分块的边界部分按照设定值多切分一定区域的像素；其中原图的边缘部分采用填零处理；其中，切分过后的图像按照不重叠组合满足如下表达：

其中Picture′表示重组后的图像像素，n表示切分后形成的小图像块数量，C_i表示第i个小图像块的长度，K_i表示第i个小图像块的宽度，x表示图像重叠切分时预设定向外扩充的像素大小。