[发明专利]训练样本的扩展方法、装置、存储介质及设备

权利要求书

1.一种训练样本的扩展方法，其特征在于，所述方法包括：

获取数据集中的训练集，所述训练集中包括多个原始样本；

对所述训练集中的每个原始样本进行扩展，得到扩展样本；

将所述扩展样本添加到所述训练集中；

当所述训练集中存在类不平衡现象时，采用高斯模糊算法对所述训练集中的各个样本进行修正，所述样本包括所述原始样本和所述扩展样本。

2.根据权利要求1所述的方法，其特征在于，所述对所述训练集中的每个原始样本进行扩展，得到扩展样本，包括：

当对所述训练集中的一个原始样本进行一次扩展时，从四种处理方式中随机选择n种处理方式，所述四种处理方式包括对图像添加高斯噪声、使用拉普拉斯算子对图像进行锐化、对图像进行随机裁剪、对图像的亮度和对比度进行调整，n≥1；

当n=1时，按照选择的处理方式对所述原始样本进行处理，得到一个扩展样本；

当n≥2时，对所述n种处理方式进行随机排序，按照排序后的n种处理方式依次对所述原始样本进行处理，得到一个扩展样本。

3.根据权利要求1所述的方法，其特征在于，所述采用高斯模糊算法对所述训练集中的各个样本进行修正，包括：

获取预设的权值矩阵，所述权值矩阵中包括m×m个像素点的权值，m≥2；

当所述训练集中的样本为灰度图像时，对于所述样本中的每个像素点，计算以所述像素点为中心的m×m个像素点的灰度值与所述权值矩阵的加权平均值，利用所述加权平均值更新所述像素点的灰度值；

将灰度值更新后的样本确定为修正后的样本。

4.根据权利要求1所述的方法，其特征在于，所述采用高斯模糊算法对所述训练集中的各个样本进行修正，包括：

获取预设的权值矩阵，所述权值矩阵中包括m×m个像素点的权值，m≥2；

当所述训练集中的样本为彩色图像时，对于所述样本中的每个像素点，在RGB三个通道中的每个通道中，分别计算以所述像素点为中心的m×m个像素点的灰度值与所述权值矩阵的加权平均值，利用所述加权平均值更新所述像素点的灰度值；

将灰度值更新后的样本确定为修正后的样本。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：

根据修正后的训练集对目标检测模型进行训练。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

在训练所述目标检测模型之前，对所述扩展样本的标签进行标注。

7.根据权利要求5所述的方法，其特征在于，所述根据修正后的训练集对目标检测模型进行训练，包括：

采用聚类算法对所述修正后的训练集进行聚类，得到锚框；

根据所述修正后的数据集和所述锚框对所述目标检测模型进行训练。

8.一种训练样本的扩展装置，其特征在于，所述装置包括：

获取模块，用于获取数据集中的训练集，所述训练集中包括多个原始样本；

扩展模块，用于对所述训练集中的每个原始样本进行扩展，得到扩展样本；

添加模块，用于将所述扩展样本添加到所述训练集中；

修正模块，用于当所述训练集中存在类不平衡现象时，采用高斯模糊算法对所述训练集中的各个样本进行修正，所述样本包括所述原始样本和所述扩展样本。

9.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如权利要求1至7任一所述的训练样本的扩展方法。

10.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如权利要求1至7任一所述的训练样本的扩展方法。