[发明专利]一种城市暴露垃圾样本图像的数据扩充方法及系统

说明书

本发明提供一种城市暴露垃圾样本图像的数据扩充方法及系统，包括以下步骤：步骤1：获取各类常见的生活垃圾图片，并采用抠图方法抠出垃圾元素并保存；步骤2：获取城市暴露垃圾场景图片，人工标注垃圾箱标签，进行垃圾箱识别模型的训练，并使用训练好的垃圾箱识别模型检测出城市暴露垃圾场景图片中的垃圾箱；步骤3：根据识别出的垃圾箱位置划定其周围矩形区域，并将划定的周围矩形区域等分为若干子区块；步骤4：随机选择至少一个垃圾元素，将每个垃圾元素以随机旋转角度叠加到随机选择的子区块中，完成数据扩充；如此既能增加样本数据的数量和丰富程度，又能提升模型精度，提高垃圾的检出率。

技术领域

本发明涉及训练样本增强方法，具体的说，涉及了一种城市暴露垃圾样本图像的数据扩充方法及系统。

背景技术

目标检测是计算机视觉领域最重要也是最具有挑战性的分支之一。它在人们生活中得到了广泛的应用，如安防监控、自动驾驶等领域。目标检测的任务是定位某一类语义对象的实例。随着深度学习技术快速发展，基于深度神经网络的目标检测器的性能得到了极大的提高。其中，城市暴露垃圾检测是其一种应用。

暴露垃圾是指在居住区、城市道路、公共场所等处随意弃置的影响市容环境卫生的各类垃圾。按照暴露面积，可以分为零星暴露、成堆暴露、成片暴露等类型。城市暴露垃圾的裸露堆积，不仅会破坏城市整体形象，还易产生恶臭、孳生蚊蝇，造成环境污染，给市民的生活、工作带来诸多不利影响。

为训练城市暴露垃圾检测的目标检测器，往往需要大量标注好的标签图像，例如训练城市暴露垃圾目标的检测网络，需要十万张图像，且还需人工来标注每张图像中垃圾箱与垃圾的位置及类型，这是一个十分巨大的工作量。而现实中采集到的原始数据数量通常很少，例如只有几千张图像，无法很好地训练网络，因而迫切需要一种简单高效地方式来扩充数据。

目前，训练数据的增强多是通过平移、旋转等方式来把一张图像变为多张图像，但是训练数据的丰富性并未增加，只是单纯扩增了数据量而已。还有的通过人工使用PS软件P图得到新图像，该方式单纯依靠手动操作，需要耗费大量的人力和时间成本，产生图片的效率较低。

为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

发明内容

本发明的目的是针对现有技术的不足，从而提供了一种城市暴露垃圾样本图像的数据扩充方法及系统。

为了实现上述目的，本发明所采用的技术方案是：一种城市暴露垃圾样本图像的数据扩充方法，包括以下步骤：

步骤1：获取各类常见的生活垃圾图片，并采用抠图方法抠出垃圾元素并保存；

步骤2：获取城市暴露垃圾场景图片，人工标注垃圾箱标签，进行垃圾箱识别模型的训练，并使用训练好的垃圾箱识别模型检测出城市暴露垃圾场景图片中的垃圾箱；

步骤3：根据识别出的垃圾箱位置划定其周围矩形区域，并将划定的周围矩形区域等分为若干子区块；

步骤4：随机选择至少一个垃圾元素，将每个垃圾元素以随机旋转角度叠加到随机选择的子区块中，完成数据扩充。

基于上述，在完成数据扩充后，还利用训练鉴别器判断扩充数据的真伪度，选择结果为真的扩充数据组成扩充样本集；

所述训练鉴别器的结构为编码器+全连接层的结构，由编码器内的卷积、池化层来提取组合信息中的特征得到特征序列，全连接层网络基于特征序列判断图像真伪度的置信度。

本发明第二方面提供一种城市暴露垃圾样本图像的数据扩充系统，包括：

自动抠图模块，用于从各类常见的生活垃圾图片中抠出垃圾元素并保存；

训练检测模块，用于在获取的城市暴露垃圾场景图片中人工标注垃圾箱标签，进行垃圾箱识别模型的训练，并使用训练好的垃圾箱识别模型检测出城市暴露垃圾场景图片中的垃圾箱；

随机选择模块，用于随机选择至少一个垃圾元素、随机选择一个子区块以及随机选择一个旋转角度；