[发明专利]图像识别模型训练方法、系统和计算机设备

说明书

本申请涉及一种图像识别模型训练方法、系统和计算机设备，其中，该图像识别模型训练方法包括：将目标图片根据目标提取工具分为目标区域图像和非目标区域图像；对目标区域图像进行随机处理并将处理后的目标区域图像随机替换一预设背景图像内的部分区域，获取第一样本数据；对非目标区域图像进行图像填充，获取第二样本数据；根据第一样本数据和第二样本数据对图像识别模型进行训练。通过将待检测图像分为目标区域和非目标区域，并对目标区域和非目标区域进行处理进而作为模型训练的输入数据，使模型可以学习到非目标区域的样本特征，降低了误识别的概率，有效解决了目标检测时误召回的问题。

技术领域

本申请涉及图像识别技术领域，特别是涉及数据增强方法、系统和计算机设备。

背景技术

随着计算机技术、通信技术和计算机网络技术在人们日常生活中的不断发展和应用，社会已经进入信息化时代，自动化处理信息能力不断提高并在人们生活的各个领域得到广泛的应用，人们更多的将图像信息的自动识别运用到生活的方方面面，带来更多的方便。

当前的大多数方案使用深度学习方法对图像进行检测，这种方法的误召回率比较高。

目前针对相关技术中误召回率的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种图像识别模型训练方法、系统和计算机设备，以至少解决相关技术中目标检测时误召回率高的问题。

第一方面，本申请实施例提供了一种图像识别模型训练方法，包括以下步骤：

目标提取步骤，将目标图片根据目标提取工具分为目标区域图像和非目标区域图像；

目标区域处理步骤，对所述目标区域图像进行随机处理并将处理后的所述目标区域图像随机替换一预设背景图像内的部分区域，获取第一样本数据；

非目标区域处理步骤，对所述非目标区域图像进行图像填充，获取第二样本数据；

模型训练步骤，根据所述第一样本数据和所述第二样本数据对图像识别模型进行训练。

在其中一些实施例中，所述非目标区域处理步骤具体包括：

非目标图像填充步骤，对所述非目标区域图像进行填充，获取一第二合成图像；

非目标区域加噪步骤，对所述第二合成图像随机添加噪声获取所述第二样本数据，所述噪声包括高斯噪声、椒盐噪声、泊松白噪声、脉冲噪声、瑞丽噪声、伽马噪声其一或其组合，并对所述第二样本数据进行标记。

在其中一些实施例中，所述目标区域处理步骤，具体包括：

目标区域处理步骤，对所述目标区域图像随机进行操作，所述操作包括缩放、角度变化、形变、翻转、颜色调整和遮挡其一或其组合；

图像融合步骤，将操作后的所述目标区域图像随机放置于所述预设背景图像中，融合后得到一第一合成图像；

图像加噪步骤，在所述第一合成图像中添加噪声，所述噪声包括高斯噪声、椒盐噪声、泊松白噪声、脉冲噪声、瑞丽噪声、伽马噪声其一或其组合；

细节调整步骤，对加噪后的所述第一合成图像进行细节调整获得所述第一样本数据，并对所述第一样本数据进行标记。

在其中一些实施例中，所述细节调整步骤具体包括：

亮度调整步骤，对所述第一合成图像随机增加或降低10-30％的亮度；

对比度调整步骤：对所述第一合成图像随机增加或降低10-30％的对比度。

在其中一些实施例中，模型训练步骤的具体步骤包括：

数据准备步骤，将所述第一样本数据和所述第二样本数据均按照比例分成训练集和测试集；