[发明专利]一种图像数据增强处理方法、装置、终端及存储介质

权利要求书

1.一种图像数据增强处理方法，其特征在于，所述图像数据增强处理方法包括：

获取待处理图像数据；其中，所述待处理图像数据为无人机在预设区域巡航拍摄的多张原始图像数据；

通过训练后的GAN网络模型对所述待处理图像数据增强处理，生成所述待处理图像数据的镜像图像数据；

对所述镜像图像数据进行判别，根据判别结果输出所述待处理图像数据的增强数据；

将所述增强数据及所述多张原始图像数据作为所述无人机在预设区域巡航的缺陷样本数据。

2.根据权利要求1所述的图像数据增强处理方法，其特征在于，所述获取待处理图像数据，之前包括：

构建镜像对称的GAN网络模型，得到用于图像数据增强处理的环形网络模型；

通过预设图像样本数据对所述GAN网络模型进行训练，得到所述训练后的GAN网络模型。

3.根据权利要求2所述的图像数据增强处理方法，其特征在于，所述GAN网络模型为对偶结构网络，所述GAN网络模型至少包括：生成器G、生成器F、鉴别器Dx、鉴别器Dy、卷积层、残差模块以及转置卷积层。

4.根据权利要求3所述的图像数据增强处理方法，其特征在于，所述通过预设图像样本数据对所述GAN网络模型进行训练，包括：

确定所述生成器G的重建Loss：

L(G_AB，G_BA，A，B)＝E_a～A[||G_AB(G_AB(a))-||₁]

确定所述鉴别器Dy的重建Loss：

L_GAN(G，G_Y，X，Y)＝E_y～Pdata(y)[log(D_Y(Y))]+E_x～Pdata(x)[log(1-D_Y(G(X)))]

根据确定的生成器重建Loss及所述预设图像样本数据对所述生成器G进行训练；

根据确定的鉴别器重建Loss及所述预设图像样本数据对所述鉴别器Dy进行训练；

将所述生成器G的训练权重共享至所述生成器F，并将所述鉴别器Dy的训练权重共享至所述鉴别器Dx；

根据目标图像数据库中的图像数据计算所述生成器G和所述生成器F生成图像的损失；

根据计算的损失和学习速率停止所述GAN网络模型的训练过程，得到所述训练后的GAN网络模型。

5.根据权利要求4所述的图像数据增强处理方法，其特征在于，所述通过训练后的GAN网络模型对所述待处理图像数据增强处理，包括：

利用卷积神经网络从所述待处理图像数据中提取特征，并将提取的特征压缩为256个64*64的特征向量；

通过组合图像的非相近特征，将图像在DA域中的特征向量转换为DB域中的特征向量；

利用反卷积层从转换后的特征向量中还原标注的特征向量，生成所述待处理图像数据的镜像图像数据。

6.根据权利要求4所述的图像数据增强处理方法，其特征在于，所述对镜像图像数据进行判别，根据判别结果输出所述待处理图像数据的增强数据，包括：

将选定的图像作为输入图像；其中，所述选定的图像包括原始图像和/或镜像图像；

通过所述鉴别器Dy从所述输入图像中提取相应的特征向量；

根据提取的特征向量将所述输入图像预测为所述原始图像或所述生成器G输出的镜像图像。

7.根据权利要求1所述的图像数据增强处理方法，其特征在于，所述获取待处理图像数据，之前还包括：

根据先验经验对所述待处理图像数据中的正常数据和烧伤数据进行数据标注；其中，所述正常数据的标注部位为电力网绝缘子本体，所述烧伤数据的标注部位为所述电力网绝缘子本体及烧伤部位。