[发明专利]一种基于选择与生成的数据增广方法及图像分类方法

摘要

本发明提出一种基于选择与生成的数据增广方法及图像分类方法，包括以下步骤：对输入的图像进行分割，生成多个图像块以增加训练图像的数量；然后对得到的图像块进行过滤，即利用卷积神经网络进行分类，选择与目标对象相关的图像块；再通过多示例学习对上一步过滤得到的图像块进行再选择，选择出包含对象大部分区域的图像块；最后，利用生成式对抗网络学习图像与文本之间的对应关系，利用文本描述生成更多的新图像，进一步扩充训练图像的多样性。本发明仅使用一个训练样本及其文本描述信息，通过对数据进行分割、过滤、再选择和生成，使得图像数据多样性扩增。利用扩增后的图像数据进行图像分类模型的训练，实现了一个训练样本条件下的图像分类。

主权项

1.一种基于选择与生成的数据增广方法，其特征在于，包括以下步骤：(1)对输入的图像进行分割，生成多个图像块以增加训练图像的数量；(2)对步骤(1)得到的图像块进行过滤，选择出与目标对象相关的图像块；(3)通过多示例学习对步骤(2)过滤得到的图像块进行再选择，选择出包含目标对象大部分区域的图像块；(4)利用生成式对抗网络学习步骤(3)得到的图像与文本之间的对应关系，利用文本描述生成更多的与目标对象相关的新图像，进一步扩充训练图像的多样性。