[发明专利]基于图像数据增强的图像训练集生成方法和模型训练方法

权利要求书

1.一种基于图像数据增强的图像训练集生成方法，其特征在于，包括：

步骤S1，采集多张目标场景图像后使用标注框框选出其中的目标对象，以形成多张原始训练样本图像，汇集多张所述原始训练样本图像构成初始图像训练集，并基于深度神经网络利用所述初始图像训练集训练形成初始目标检测模型；

步骤S2，使用所述初始目标检测模型对所述初始图像训练集中的多张所述原始训练样本图像进行重检测，以形成一一对应的多张检测输出图像；比较各所述检测输出图像上形成的检测框和与其相对应的所述原始训练样本图像上的标注框的属性信息，以识别出所述检测输出图像上错误检测为所述目标对象的部分所述检测框，并将该部分所述检测框框选的错误目标图像块裁切下汇集形成负样本图像增强数据集；

步骤S3，选取所述初始图像训练集中的至少一部分所述原始训练样本图像，在选中的每张所述原始训练样本图像上裁切下至少一个剔除图像块，针对裁切下的每个所述剔除图像块，使用所述负样本图像增强数据集中随机选取的一个所述错误目标图像块补偿在所述剔除图像块的原始位置处，以形成负样本图像；

步骤S4，将生成的所有所述负样本图像混合进入所述初始图像训练集中形成图像训练集，所述图像训练集用于对所述初始目标检测模型优化训练。

2.根据权利要求1所述的图像训练集生成方法，其特征在于，

在所述步骤S3中，选取所述初始图像训练集中的一部分所述原始训练样本图像，在选中的每张所述原始训练样本图像上裁切下多个所述剔除图像块，使用多个所述错误目标图像块一一对应地补偿在多个所述剔除图像块的原始位置处，以形成负样本图像；

在所述步骤S4中，将生成的所有所述负样本图像与所述初始图像训练集中的另一部分所述原始训练样本图像混合后形成所述图像训练集。

3.根据权利要求2所述的图像训练集生成方法，其特征在于，在各所述原始训练样本图像上裁切下相间隔的多个所述剔除图像块，且相间隔的多个所述剔除图像块均与所述原始训练样本图像上框选所述目标对象的所述标注框相间隔。

4.根据权利要求2所述的图像训练集生成方法，其特征在于，在各所述原始训练样本图像上裁切下相邻的多个所述剔除图像块，且相邻的多个所述剔除图像块均与所述原始训练样本图像上框选所述目标对象的所述标注框相间隔或相邻；相邻的两个所述剔除图像块或所述剔除图像块与所述标注框之间的重叠面积为零。

5.根据权利要求2所述的图像训练集生成方法，其特征在于，每张所述原始训练样本图像上裁切下所述剔除图像块的个数大于等于3小于等于5；且裁切各所述剔除图像块的尺寸与任意一张所述原始训练样本图像上框选所述目标对象的所述标注框相同。

6.根据权利要求1至5中任一项所述的图像训练集生成方法，其特征在于，将随机选取的所述错误目标图像块缩放到与其补偿目标位置处的所述剔除图像块的同等大小。

7.根据权利要求1至5中任一项所述的图像训练集生成方法，其特征在于，随机选取的所述错误目标图像块缩放后的尺寸大于与其补偿目标位置处的所述剔除图像块的尺寸，以覆盖所述补偿目标位置。

8.根据权利要求1所述的图像训练集生成方法，其特征在于，所述目标场景图像为同一个或不同的道路交通场景下采集的图像，所述目标对象为车牌或驾乘人员。

9.根据权利要求1所述的图像训练集生成方法，其特征在于，所述属性信息包括所述检测输出图像上形成的检测框的位置和尺寸，以及与其相对应的所述原始训练样本图像上的标注框的位置和尺寸。

10.一种目标检测模型训练方法，其特征在于，通过使用权利要求1至9中任一项所述的图像训练集生成方法获得的图像训练集对初始目标检测模型优化训练生成。