[发明专利]图像数据集处理方法和目标检测模型训练方法

说明书

本发明提供了一种图像数据集处理方法和一种目标检测模型训练方法，其中，图像数据集处理方法包括统计图像数据集内样本图像中属于某类别的目标对象及其像素尺寸，在像素尺寸‑数量曲线上设定检测区域，绘制与平均数量值与像素尺寸‑数量曲线的交点；沿像素尺寸‑数量曲线分出多个区间，计算各区间对应的缩放概率集，根据缩放概率集按预设的算法步骤判定对各区间内的目标对象的像素尺寸缩放的处理方式。本发明解决了现有技术中的训练后的目标检测模型会在对不同数量的各类像素尺寸的目标对象检测时，存在明显的偏重误差以及不同的检测精度，进而造成训练后的目标检测模型的鲁棒性很差的问题。

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种作为训练目标检测模型输入的图像数据集的处理方法。

背景技术

目标检测是一种基于目标几何和统计特征的图像理解算法，目标检测是将目标对象的定位和识别合二为一，例如：基于计算机视觉算法，检测出图像中不同类别的目标对象，即以矩形框标注出目标的位置，并识别出目标对象的类别。

目标检测模型的训练过程中，当在检测场景采集样本图像的数量受到限制时，为了增加图像数据集中样本图像的目标对象的多样性，相关技术中，通常对已采集到的样本图像进行放缩处理后混入到原图像数据集，再将扩充规模后的图像数据集用于对目标检测模型的训练。

用上述方法得到的图像数据集中，虽然样本图像的目标对象的数量得以丰富，但是目标对象的像素尺寸的分布未进行合理规划，不同像素尺寸的目标对象的数量参差不齐，这样，目标检测模型对数量较多的一类像素尺寸的目标对象的记忆性会远远优于数量较少的一类像素尺寸的目标对象的记忆性，从而导致训练后的目标检测模型会在对不同数量的各类像素尺寸的目标对象检测时，存在明显的偏重误差以及不同的检测精度，进而造成训练后的目标检测模型的鲁棒性很差。

发明内容

本发明的主要目的在于提供一种图像数据集处理方法和一种目标检测模型训练方法，以解决现有技术中的用于目标检测模型训练的图像数据集中的样本图像的目标对象的像素尺寸的分布未进行合理规划，从而导致训练后的目标检测模型会在对不同数量的各类像素尺寸的目标对象检测时，存在明显的偏重误差以及不同的检测精度，进而造成训练后的目标检测模型的鲁棒性很差的问题。