[发明专利]一种应用于医药识别的数据增强方法

摘要

本发明公开了一种应用于医药识别的数据增强方法，包括如下方法：1.使用传统的数据增强技术对训练集中的图片做数据增强，得到新图片；2.构建生成对抗网络生成的新图片；3.使用替换背景颜色来做训练集图片的数据增强，保存下新的图片；4.将原始的训练集的图片与传统数据增强技术生成的新图片、生成对抗网络生成的新图片和背景色替换技术生成的新图片组合成训练样本送入中药材识别人工智能模型中进行训练。本发明生成的新图片与原始图片之间的相关性小，使用这种数据增强技术，能够达到拓展数据集目的的同时，避免传统数据增强技术可能带来的过拟合问题，使基于中药材图片数据集的人工智能模型具有更好的泛化能力。

主权项

1.一种应用于医药识别的数据增强方法，其特征在于，包括如下方法：1）.将拍摄的中药材图片分为训练集和测试集，训练集用来训练模型，当训练集数量不足时，训练集做数据增强处理；测试集用来测试训练完后模型的泛化能力，测试集无需做数据增强处理，保持不变；2）.使用传统的数据增强技术对训练集中的图片做数据增强，得到新图片；3）.构建生成对抗网络，对抗网络由生成模型和判别模型组成，生成模型用来生成新的图片，判别模型用来判断生成的新图片与原始图片是否同类；4）.使用替换背景颜色来做训练集图片的数据增强，首先将图片从RGB格式转变为HSV格式，取图片左上、右上、左下、右下4个顶点的像素值，根据这些像素值和HSV颜色区间像素阈值表，可以得到原始图片的背景颜色；设置此背景色的像素阈值区间，识别出整张图片中的背景区域，设定替换目标背景色的像素阈值，将背景区域内所有像素点的像素值均替换成目标背景色的阈值；将HSV格式的图片转换成RGB格式，保存下新的图片，完成背景色的替换；5）.将原始的训练集的图片与传统数据增强技术生成的新图片、生成对抗网络生成的新图片和背景色替换技术生成的新图片组合成训练样本送入中药材识别人工智能模型中进行训练。