[发明专利]基于类别激活映射的不平衡数据采样方法及系统

权利要求书

1.一种基于类别激活映射的不平衡数据采样方法，其特征在于，包括：

对不平衡数据集进行随机过采样，采样图片组成采样数据集；

循环遍历采样数据集，对每一张遍历的图片利用训练过的神经网络模型生成其对应的类别激活映射；

利用类别激活映射来分割图片的前景信息和背景信息，只对图片的前景信息进行图像增强，保持其背景信息不变；

将增强后的图片替换掉原始采样数据集中的图片，继续遍历剩余的图片直至采样数据集遍历结束为止，得到增强后的采样数据集；

增强后的采样数据集和原始数据集结合组成平衡数据集，在平衡数据集上结合重采样技术对模型进行调整。

2.根据权利要求1所述的基于类别激活映射的不平衡数据采样方法，其特征在于，所述对不平衡数据集进行随机过采样，采样图片组成采样数据集，其中随机过采样技术增加采样阈值设置，若不平衡数据集中某类别所包含的图片数量大于等于该采样阈值，则该类别图片无需进行采样；对于数据集中类别图片数量小于采样阈值的类别，对其进行随机过采样使得其在新的平衡采样数据集中类别图片数量为采样阈值与原始图片数之差。

3.根据权利要求1所述的基于类别激活映射的不平衡数据采样方法，其特征在于，所述利用类别激活映射来分割图片的前景信息和背景信息，具体如下：

对于给定的图片，令表示在神经网络最后一层卷积层中，神经元在空间位置的激活函数值，则对于神经元应用全局平均池化得到：

因此对于给定的图片类别, 对应的softmax层输入可表示为：

其中即为类别激活映射，为神经网络最后一层全连接层的参数；

通过将采样图片通过神经网络模型得到其对应的类别激活映射，之后将其类别激活映射的平均值作为前景背景分割阈值；在类别激活映射中，数值大于等于分割阈值为前景，数值小于分割阈值为背景；得到分割之后的前景和背景之后，保持其背景像素值不变，只对其前景进行图像增强操作。

4.根据权利要求3所述的基于类别激活映射的不平衡数据采样方法，其特征在于，图像增强包含水平翻转、旋转和放缩、以及平移，对于每一张图片，在三种图像增强方式中，随机选择一种图像增强对前景应用，得到增强图像。

5.根据权利要求4所述的基于类别激活映射的不平衡数据采样方法，其特征在于，设置旋转角度范围为，缩放范围为[80% ，120%]。

6.根据权利要求4所述的基于类别激活映射的不平衡数据采样方法，其特征在于，平移时保证前景平移范围不超过原图像范围；图像增强之后的空白像素由原始图像对应位置的像素填充。

7.根据权利要求3所述的基于类别激活映射的不平衡数据采样方法，其特征在于，将增强图像组成的采样数据集和原始图像数据组成平衡数据集，在新的平衡数据集中应用重采样技术，对模型进行调整，其中重采样技术的采样权重由原始数据集类别信息计算得到。

8.一种基于类别激活映射的不平衡数据采样系统，其特征在于，包括：

随机过采样模块，用于对不平衡数据集进行随机过采样，采样图片组成采样数据集；

类别激活映射模块，利用类别激活映射来分割图片的前景信息和背景信息，只对图片的前景信息进行图像增强，保持其背景信息不变；

循环遍历模块，随机过采样时，对每一张遍历的图片利用训练过的神经网络模型生成其对应的类别激活映射；图像增强处理后，将增强后的图片替换掉原始采样数据集中的图片，继续遍历剩余的图片直至采样数据集遍历结束为止，得到增强后的采样数据集；

重采样模块，用于将增强后的图片组成的采样数据集和原始数据集结合组成平衡数据集，在平衡数据集上结合重采样技术对模型进行调整。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的不平衡数据采样方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的不平衡数据采样方法。