[发明专利]一种深度学习训练样本优化方法在审
| 申请号： | 201810400693.1 | 申请日： | 2018-04-28 |
| 公开（公告）号： | CN108665429A | 公开（公告）日： | 2018-10-16 |
| 发明（设计）人： | 王子彤;姜凯;聂林川 | 申请（专利权）人： | 济南浪潮高新科技投资发展有限公司 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06T7/13;G06K9/62 |
| 代理公司： | 济南信达专利事务所有限公司 37100 | 代理人： | 孙晶伟 |
| 地址： | 250100 山东省济南市*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种深度学习训练样本优化方法，涉及数据处理领域；对子图像信息进行预处理，通过边缘检测处理，对子图像信息进行压缩剪裁，消除标注过程中人为标注导致的样本元素边界的误差，提升标注图像质量，提高训练样本生成效率，进而缩短深度学习模型训练有效用时，并且通过对子图像信息交叠部分进行分割补全处理，消除遮挡对样本元素影响，提高训练样本品质，提升训练效率，加速深度学习模型的优化、部署与应用。 | ||
| 搜索关键词： | 对子图像 标注 学习训练 训练样本 样本优化 样本 预处理 数据处理领域 边缘检测 模型训练 信息交叠 训练效率 元素影响 剪裁 遮挡 图像 压缩 学习 分割 优化 应用 部署 | ||
【主权项】：
1.一种深度学习训练样本优化方法，其特征是获取训练样本原图像及原始样本标注信息，根据原始样本标注信息，得到训练样本的子图像信息，其中子图像信息包括单一的子图像信息和交叠的子图像信息；对单一的子图像信息和交叠的子图像信息分别进行预处理，对预处理后的单一的子图像信息和交叠的子图像信息分别进行边缘检测，得到单一的子图像轮廓信息和交叠的子图像轮廓信息，根据单一的子图像轮廓信息对单一的子图像信息进行压缩剪裁处理，得到压缩剪裁优化的子图像标注信息，根据交叠的子图像轮廓信息对交叠的子图像信息中交叠的图像分别进行分割补全处理，得到优化的子图像标注信息。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于济南浪潮高新科技投资发展有限公司，未经济南浪潮高新科技投资发展有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810400693.1/，转载请声明来源钻瓜专利网。
