[发明专利]一种多维度车标数据增强方法

说明书

本发明涉及一种多维度车标数据增强方法，首先通过小框随机选取法,生成一个四个顶点相对车标顶点偏移量为车标区域宽和高1.5到3倍的小矩形框，用这个矩形框框选包含车标区域的图像，截取作为尺度维度增强图像。然后进行数量维度增强，通过滑动交叉分割法，用一个大小为源图像1/2的矩形框每隔1/4的步长对图像进行扫描并截取，生成大量有效的数量维度增强图像。通过正态分布分割法，生成一个长为车标区域的中心到图像左右两边的最小值，宽为车标区域的中心到图像上下两边的最小值的矩形框，用这个矩形框以正态分布的概率选取包含车标区域的一部分图像并截取作为空间维度增强图像。最后使用亮度变换和对比度变换对以上所有数据进行亮度维度和对比度维度的增强。本发明能够有效地对车标进行数据量扩充。

技术领域

本发明涉及模式识别与计算机视觉的数据增强领域，特别是一种多维度车标数据增强方法。

背景技术

在深度学习领域，大数据是支持对象特征学习的基础。训练网络需要大量的数据作为支持，以便更好地提取目标的特征。如果数据集中的数据质量不够好，通常使用数据均衡或数据增强等方法来优化它。数据增强的意义在于通过一定的方法对训练数据进行转换，生成新的数据，从而使网络能更好地学习特征。通过数据增强，可以丰富原始数据集，扩展数据集。它可以防止训练过程中由于数据量小而导致的过拟合。这对模型的识别和检测能力具有重要意义。目前的车标数据库集的数据大多是已经从场景中分离出来、用于分类的图像，这种数据集不能用于检测训练。能用于检测训练的数据集太小，无法满足训练所需的大量数据。因此，需要对车标数据集进行数据增强以满足需求。

发明内容

有鉴于此，本发明的目的是提供一种多维度车标数据增强方法，能够有效地对车标进行数据量扩充。

本发明采用以下方案实现：一种多维度车标数据增强方法，包括以下步骤：

步骤S1：使用小框随机选择法生成一个四个顶点相对车标顶点偏移量为车标区域宽和高1.5到3倍的小矩形框，使用小矩形框选取车标区域图像的方法生成尺度维度增强图像；

步骤S2：使用交叉滑动窗口法的方式扫描原图像，其中窗口的长和宽均为原图像的1/2，滑动的步长为原图像的1/4，之后将每次扫描中包含完整车标区域的窗口图像截取出来作为数量维度增强图像；

步骤S3：使用正态分布分割法生成一个长为车标区域的中心到图像左边与右边两边距离的最小值，宽为车标区域的中心到图像上边与下边两边距离的最小值的矩形,以正态分布的概率选取包含完整车标区域的窗口图像并截取作为空间维度增强图像；

步骤S4：整合步骤S1、步骤S2、步骤S3生成的增强图像，分别使用亮度变换和对比度变换的方法进行进一步增强。

进一步地，所述步骤S1具体包括以下步骤：

步骤S11：生成矩形框四边到车标区域四边的偏移量dx1,dy1,dx2,dy2

其中，dx1,dy1,dx2,dy2分别是矩形框的左边，上边，右边和下边距离车标区域的左边，上边，右边和下边的偏移量，rw和rh分别是车标区域的宽度和高度,random(1.5，3)是一个函数，它随机生成1.5到3之间的均匀分布随机浮点数；

步骤S12：计算生成的新图像在原图像中的位置，计算方法如下：

其中，sf_xx1和sf_yy1为尺度维度增强图像的左上角在原图像中的位置；sf_xx2和sf_yy2为尺度维度增强图像在原图像右下角的位置，dx1,dy1,dx2,dy2分别是矩形框的左边，上边，右边和下边距离车标区域的左边，上边，右边和下边的偏移量；

步骤S13:计算新的车标中心坐标：