[发明专利]基于卷积神经网络的数据增广方法及装置

摘要

本发明提供了一种基于卷积神经网络的数据增广方法，该方法包括：将已标记车牌信息的图像输入到数据增广网络，数据增广网络包括：数据产生器和数据判别器；采用数据产生器，分别获取输入图像的三个层级下采样图像；将每个层级下采样图像分别输入对应层级CCGAN，获取对应层级的拼接特征向量，对拼接特征向量进行图像上采样操作，得到的图像作为对应层级CCGAN的输出图像；采用数据判别器，通过目标函数公式计算增广数据产生器的损失函数值，根据损失函数值调整每个层级CCGAN的网络参数，直至损失函数值收敛；将车牌图像输入数据增广网络进行处理，获得车牌图像的增广图像。与现有技术相比，能够改善车牌增广图像种类数目不均衡情况。

主权项

1.基于卷积神经网络的数据增广方法，其特征在于，该方法包括：/n第一步骤，将已标记车牌信息的图像作为输入图像，输入到数据增广网络；其中所述数据增广网络包括：数据产生器和数据判别器；/n第二步骤，采用数据产生器，分别获取输入图像的三个层级下采样图像；将每个层级下采样图像分别输入对应层级CCGAN，获取对应层级的特征图、先验约束图像和约束特征向量，并进行通道拼接，获取对应层级的拼接特征向量，对拼接特征向量进行图像上采样操作，得到的图像作为对应层级CCGAN的输出图像；/n第三步骤，采用数据判别器，通过目标函数公式计算增广数据产生器的损失函数值，根据损失函数值调整每个层级CCGAN的网络参数，直至损失函数值收敛，得到收敛的增广数据网络；/n第四步骤，将车牌图像输入数据增广网络进行处理，获得车牌图像的增广图像并输出；/n其中，所述已标记车牌信息的样本图像包括：含有标记车牌号的车牌区域图像；所述数据产生器中包括三级CCGAN，分别是第一层级CCGAN、第二层级CCGAN、第三层级CCGAN。/n