[发明专利]一种基于离线数据增强的固废数据集生成方法

权利要求书

1.一种基于离线数据增强的固废数据集生成方法，其特征在于，方法具体步骤如下：

手动标注第一固废数据集A1；

对第一固废数据集A1进行离线数据增强生成第二固废数据集A2，合并第一固废数据集A1和第二固废数据集A2，形成合并固废数据集；

使用深度学习模型对合并固废数据集进行训练；

使用训练好的深度学习模型对未标注的固废数据集D进行预测；

通过查询函数找出深度学习模型预测不准确的图像集，并进行手动标注得到第三固废数据集B1；

对第三固废数据集B1进行离线数据增强生成第四固废数据集B2。

2.根据权利要求1所述的一种基于离线数据增强的固废数据集生成方法，其特征在于，所述的深度学习模型包括但不限于实例分割模型和目标检测模型。

3.根据权利要求1所述的一种基于离线数据增强的固废固废数据集生成方法，其特征在于，所述的固废数据集离线数据增强，包括如下步骤：

读取需要进行离线数据增强的固废数据集的标签，分离出固废数据集中每个物体以及物体的标签信息；

将分离出的物体进行几何变换、改变图像亮度与图像对比度，得到增强的物体以及标签信息；

随机将N个增强之后的物体粘贴到一个图像模板上，同时将该N个物体的标签信息存入该模板对应的标签文件当中，N为整数。

4.根据权利要求2所述的一种基于离线数据增强的固废数据集生成方法，固废数据集其特征在于，所述标签信息包括物体的轮廓信息以及物体的类别信息。

5.根据权利要求2所述的一种基于离线数据增强的固废数据集生成方法固废数据集，其特征在于，所述分离出固废数据集中每个物体以及物体的标签信息固废数据集有如下步骤：

读取图像的标签文件，所述标签文件为json格式；

根据物体的轮廓点集生成包围每个物体的矩形框、x横坐标，y纵坐标、以及w宽、h高；

将物体的轮廓点集减去x横坐标、y纵坐标得到分离好的物体轮廓标签；

根据x横坐标、y纵坐标、w宽、h高以及物体的轮廓点集，将图像中的物体裁剪出来。

6.根据权利要求2所述的一种基于离线数据增强的固废数据集生成方法，其特征在于，所述的图像模板随机选择以下两种模板：纯传送带背景没有固废、含固废传送带背景。

7.根据权利要求1所述的一种基于离线数据增强的固废固废数据集生成方法，其特征在于，所述使用深度学习模型对合并固废数据集进行训练，包括以下步骤：

对需要进行训练的固废数据集进行线上数据增强，包括但不限于：裁剪、水平翻转、竖直翻转、旋转、改变图像亮度和对比度和部分像素置零；

使用SGD优化器进行训练，使用的学习率策略为带预热的余弦退火。

8.根据权利要求1所述的一种基于离线数据增强的固废数据集生成方法，其特征在于，所述通过查询函数找出深度学习模型预测不准确的图像集，包括如下步骤：

使用深度学习模型对未标注固废数据集D中的每张图像进行检测，得到每个物体的类别和置信度；

对每张图像中所有的物体的置信度进行求平均得到一个分数；

将所有分数按从低到高进行排序，取前M个分数得到模型预测不准确的的M张图像,M为正整数。