[发明专利]一种用于深度学习的物品识别数据集扩充方法及系统

权利要求书

1.一种用于深度学习的物品识别数据集扩充方法，其特征在于，包括：

获取背景图像和物品图像；

对物品图像进行标记，获取标注图像；

对标注图像进行旋转，获取旋转后标注图像，利用背景图像对旋转后标注图像的背景进行更换，获得背景更换后标注图像；

改变背景更换后的标注图像的大小，获取改变大小后的背景更换后标注图像，从改变大小后的背景更换后标注图像中选取两幅图像进行融合，获得复杂背景标注图像；

利用复杂背景标注图像对物品识别数据集进行扩充。

2.如权利要求1所述的一种用于深度学习的物品识别数据集扩充方法，其特征在于，利用网络爬取技术获取背景图像。

3.如权利要求1所述的一种用于深度学习的物品识别数据集扩充方法，其特征在于，对物品图像进行可供性标签标记，获得标注图像。

4.如权利要求3所述的一种用于深度学习的物品识别数据集扩充方法，其特征在于，对物品图像进行可供性标签标记时，不同可供性标签采用不同颜色或箭头进行标记。

5.如权利要求1所述的一种用于深度学习的物品识别数据集扩充方法，其特征在于，对物品图像进行标记，获取标注图像时，还对物品图像中的物品进行矩形框标注和分割，获得矩形框位置。

6.如权利要求5所述的一种用于深度学习的物品识别数据集扩充方法，其特征在于，根据物品的类别和物品所处矩形框的位置，将复杂背景标注图像放入物品识别数据集。

7.如权利要求1所述的一种用于深度学习的物品识别数据集扩充方法，其特征在于，通过对背景更换后的标注图像进行扩大或放缩，改变背景更换后的标注图像的大小。

8.一种用于深度学习的物品识别数据集扩充系统，其特征在于，包括：

图像获取模块，用于获取背景图像和物品图像；

图像标记模块，用于对物品图像进行标记，获取标注图像；

背景更换后标注图像获取模块，用于对标注图像进行旋转，获取旋转后标注图像；利用背景图像对旋转后标注图像的背景进行更换，获得背景更换后标注图像；

复杂背景标注图像获取模块，用于改变背景更换后的标注图像的大小，获取改变大小后的背景更换后标注图像，从改变大小后的背景更换后标注图像中选取两幅图像进行融合，获得复杂背景标注图像；

数据集扩充模块，用于利用复杂背景标注图像对物品识别数据集进行扩充。

9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的一种用于深度学习的物品识别数据集扩充方法的步骤。

10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的一种用于深度学习的物品识别数据集扩充方法的步骤。