CN111369518B - 样本扩充方法、装置、电子设备及可读存储介质 - Google Patents
样本扩充方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111369518B CN111369518B CN202010133898.5A CN202010133898A CN111369518B CN 111369518 B CN111369518 B CN 111369518B CN 202010133898 A CN202010133898 A CN 202010133898A CN 111369518 B CN111369518 B CN 111369518B
- Authority
- CN
- China
- Prior art keywords
- medium
- random numbers
- gray scale
- positions
- random number
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种样本扩充方法、装置、电子设备及可读存储介质,包括:在预设数值范围内随机生成表征第一介质在灰度图中的多个位置的多个第一随机数;随机生成表征第二介质在所述灰度图中的多个位置的多个第二随机数;根据介质与折线颜色的对应关系,生成所述多个第一随机数以及多个第二随机数对应的灰度图;所述灰度图包括多条不同颜色的折线,所述多条不同颜色的折线用于分别表征第一介质和第二介质在所述灰度图中的位置。分别随机生成第一随机数和第二随机数,对第一随机数在灰度图的高度方向上进行尺寸限制,并且将其转换成相应的灰度图,可以较为便捷、迅速地扩充灰度图样本数据,改善了现有技术中进行数据采样费时费力的问题。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种样本扩充方法、装置、电子设备及可读存储介质。
背景技术
隧道工程施工的质量影响着铁道运营安全,大量现状表明:钢筋、钢架的缺失或不足是导致隧道病害发生的重要原因。因此在隧道工程的施工项目的质检验收过程中,检测钢筋与钢架的数量是否与设计标准相符尤为重要。目前的检测方法大致分为人工检测以及人工智能模型检测两种,其中人工智能模型检测相较于人工检测更加省时省力。
然而,对于人工智能模型检测来说,需要对检测所用的人工智能模型进行训练,而训练模型所需的样本较难获得,往往需要人为地去各个隧道进行数据采样,费时费力。
发明内容
本申请实施例的目的在于提供一种样本扩充方法、装置、电子设备及可读存储介质,用以改善现有技术中人为进行数据采样,费时费力的问题。
第一方面,本申请实施例提供了一种样本扩充方法,在预设数值范围内随机生成表征第一介质在灰度图中的多个位置的多个第一随机数,其中,所述预设数值范围表示所述第一介质在所述灰度图上的所占区域对应的最大宽度尺寸,所述灰度图为检测对象的检测图;随机生成表征第二介质在所述灰度图中的多个位置的多个第二随机数;根据介质与折线颜色的对应关系,生成所述多个第一随机数以及多个第二随机数对应的灰度图;其中,所述第一介质对应的折线颜色与所述第二介质对应的折线颜色不同,所述灰度图包括多条不同颜色的折线,所述多条不同颜色的折线用于分别表征第一介质和第二介质在所述灰度图中的位置。
在上述的实施方式中,分别随机生成第一随机数和第二随机数,对第一随机数在灰度图的高度方向上进行尺寸限制,并且将其转换成相应的灰度图,可以较为便捷、迅速地扩充灰度图样本数据,改善了现有技术中进行数据采样费时费力的问题。
在一个可能的设计中,所述第一介质为钢筋,所述第一介质在灰度图中的多个位置包括钢筋顶点的位置以及多根钢筋交界的位置;所述在预设数值范围内随机生成表征第一介质在灰度图中的多个位置的多个第一随机数,包括:在预设数值范围内随机生成表征钢筋顶点的位置的顶点位置随机数;在预设数值范围内随机生成表征多根钢筋交界的位置的交界位置随机数,其中,所述多个第一随机数包括所述顶点位置随机数与所述交界位置随机数。
在上述的实施方式中,钢筋在灰度图中的位置包括多种位置,例如包括钢筋顶点的位置以及钢筋交界的位置,可以在预设数值范围内分别生成表征钢筋顶点的位置的顶点位置随机数以及表征多根钢筋交界的位置的交界位置随机数。
在一个可能的设计中,所述根据介质与折线颜色的对应关系,生成所述多个第一随机数以及多个第二随机数对应的灰度图,包括:根据多个第一随机数中的每个第一随机数,确定所述第一介质的多个介质位置在所述灰度图中的高度值;其中,所述第一介质的多个介质位置中相邻两个介质位置相距第一预设距离值,所述预设数值范围为所述灰度图的高度范围;按照所述多个第一随机数的生成顺序进行连线,获得所述多个第一随机数对应的折线,所述折线的颜色为与第一介质具有对应关系的折线颜色。
在上述的实施方式中,第一随机数的具体数值表示第一介质在灰度图中的高度值,而相邻两个介质位置相距的具体距离为第一预设距离值,根据上述的高度值以及第一预设距离值便可以确定每个第一随机数在灰度图中的具体位置,然后可以再按照多个第一随机数的生成顺序进行连线,获得由第一随机数组成的折线。可以通过上述方式来将多个第一随机数转化成灰度图中的折线,使得折线生成方式迅速。
在一个可能的设计中,所述第一介质为钢筋,所述第二介质包括空气、混凝土或岩层;所述随机生成表征第二介质的多个位置的多个第二随机数,包括:随机生成表征空气、混凝土或岩层的多个位置的多个第二随机数。
在上述的实施方式中,第一介质可以为钢筋,所述第二介质可以包括空气、混凝土或岩层。
在一个可能的设计中,所述第二对应关系包括:空气、混凝土或岩层与浅灰色或白色对应;所述根据介质与折线颜色的对应关系,生成所述多个第一随机数以及多个第二随机数对应的灰度图,包括:根据多个第二随机数中的每个第二随机数,确定所述第二介质的多个介质位置在所述灰度图中的高度值;其中,所述第二介质的多个介质位置中相邻两个介质位置相距第二预设距离值;按照所述多个第二随机数的生成顺序进行连线,获得所述多个第二随机数对应的折线,所述折线的颜色为与第二介质具有对应关系的折线颜色。
在上述的实施方式中,第二随机数的具体数值表示第二介质在灰度图中的高度值,而相邻两个介质位置相距的具体距离为第二预设距离值,根据上述的高度值以及第二预设距离值便可以确定每个第二随机数在灰度图中的具体位置,然后可以再按照多个第二随机数的生成顺序进行连线,获得由第二随机数组成的折线。可以通过上述方式来将多个第二随机数转化成灰度图中的折线,使得折线生成方式迅速。
在一个可能的设计中,在所述在预设数值范围内随机生成表征第一介质的多个位置的多个第一随机数之前,所述方法还包括:获取多张历史灰度图;对于多张历史灰度图中的每张历史灰度图,确定第一介质在对应历史灰度图的最高点数值和最低点数值;确定多个所述最高点数值的最大值以及多个所述最低点数值的最小值,所述最小值至所述最大值为所述预设数值范围。
在上述的实施方式中,在确定预设数值范围时可以参考多张历史灰度图中的第一介质的最高点数值以及最低点数值,然后从多张历史灰度图的最高点数值中选出最大值,从多张历史灰度图的最低点数值中选出最小值,从而完成预设数值范围的构建。预设数值范围表征第一介质可能出现的高度值所在的范围,因此取多个最高点数值的最大值以及多个最低点数值的最小值,可以尽可能地囊括第一介质所在的高度的各种情况,使得模拟样本更加逼真。
第二方面,本申请实施例提供了一种样本扩充装置,所述装置包括:第一随机数生成模块,用于在预设数值范围内随机生成表征第一介质在灰度图中的多个位置的多个第一随机数,其中,所述预设数值范围表示所述第一介质在所述灰度图上的所占区域对应的最大宽度尺寸,所述灰度图为检测对象的检测图;第二随机数生成模块,用于随机生成表征第二介质在所述灰度图中的多个位置的多个第二随机数;灰度图生成模块,用于根据介质与折线颜色的对应关系,生成所述多个第一随机数以及多个第二随机数对应的灰度图;其中,所述第一介质对应的折线颜色与所述第二介质对应的折线颜色不同,所述灰度图包括多条不同颜色的折线,所述多条不同颜色的折线用于分别表征第一介质和第二介质在所述灰度图中的位置。
在一个可能的设计中,所述第一介质为钢筋,所述第一介质在灰度图中的多个位置包括钢筋顶点的位置以及多根钢筋交界的位置;所述第一随机数生成模块,具体用于在预设数值范围内随机生成表征钢筋顶点的位置的顶点位置随机数;在预设数值范围内随机生成表征多根钢筋交界的位置的交界位置随机数,其中,所述多个第一随机数包括所述顶点位置随机数与所述交界位置随机数。
在一个可能的设计中,灰度图生成模块,具体用于根据多个第一随机数中的每个第一随机数,确定所述第一介质的多个介质位置在所述灰度图中的高度值;其中,所述第一介质的多个介质位置中相邻两个介质位置相距第一预设距离值,所述预设数值范围为所述灰度图的高度范围;按照所述多个第一随机数的生成顺序进行连线,获得所述多个第一随机数对应的折线,所述折线的颜色为与第一介质具有对应关系的折线颜色。
在一个可能的设计中,所述第一介质为钢筋,所述第二介质包括空气、混凝土或岩层;第二随机数生成模块,具体用于随机生成表征空气、混凝土或岩层的多个位置的多个第二随机数。
在一个可能的设计中,所述第二对应关系包括:空气、混凝土或岩层与浅灰色或白色对应;灰度图生成模块,具体用于根据多个第二随机数中的每个第二随机数,确定所述第二介质的多个介质位置在所述灰度图中的高度值;其中,所述第二介质的多个介质位置中相邻两个介质位置相距第二预设距离值;按照所述多个第二随机数的生成顺序进行连线,获得所述多个第二随机数对应的折线,所述折线的颜色为与第二介质具有对应关系的折线颜色。
在一个可能的设计中,所述装置还包括:历史数据获得模块,用于获取多张历史灰度图;最值获取模块,用于对于多张历史灰度图中的每张历史灰度图,确定第一介质在对应历史灰度图的最高点数值和最低点数值;最值确定模块,用于确定多个所述最高点数值的最大值以及多个所述最低点数值的最小值,所述最小值至所述最大值为所述预设数值范围。
第三方面,本申请实施例提供了一种电子设备,包括上述第一方面或第一方面的任一可选的实现方式所述的方法。
第四方面,本申请提供一种可读存储介质,该可读存储介质上存储有可执行程序,该可执行程序被处理器运行时执行第一方面或第一方面的任一可选的实现方式所述的方法。
第五方面,本申请提供一种可执行程序产品,所述可执行程序产品在计算机上运行时,使得计算机执行第一方面或第一方面的任意可能的实现方式中的方法。
为使本申请实施例所要实现的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例提供的样本扩充方法的流程示意图;
图2示出了图1中步骤S110的具体步骤的流程示意图;
图3示出了图1中步骤S130的具体步骤的流程示意图;
图4示出了本申请实施例提供的样本扩充装置的示意性结构框图;
图5示出了灰度图样本的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
检测钢筋与钢架的数量是否与设计标准相符尤为重要。目前的检测方法大致分为人工检测以及人工智能模型检测两种,其中人工智能模型检测相较于人工检测更加省时省力。然而,对于人工智能模型检测来说,需要对检测所用的人工智能模型进行训练,而训练模型所需的样本较难获得。本申请实施例提供了一种样本扩充方法,该方法可以分别生成表征第一介质的多个第一随机数以及表征第二介质的多个第二随机数,再生成多个第一随机数与多个第二随机数对应的灰度图,从而较为便捷、迅速地扩充灰度图样本数据。
请参见图1,图1示出了本申请实施例提供的样本扩充方法,该方法可以由电子设备执行,该方法具体包括如下步骤S110至步骤S130:
步骤S110,在预设数值范围内随机生成表征第一介质在灰度图中的多个位置的多个第一随机数。
其中,预设数值范围表示第一介质在灰度图上的所占区域对应的最大宽度尺寸,灰度图为扩充获得的样本。可选地,预设数值范围可以表示第一介质在所在的灰度图的高度的范围。
可选地,第一介质可以为钢筋,所述第一介质在灰度图中的多个位置可以包括钢筋顶点的位置以及多根钢筋交界的位置。请参见图2,步骤S110具体包括如下步骤S111至步骤S112:
步骤S111,在预设数值范围内随机生成表征钢筋顶点的位置的顶点位置随机数。
步骤S112,在预设数值范围内随机生成表征多根钢筋交界的位置的交界位置随机数。
其中,所述多个第一随机数包括所述顶点位置随机数与所述交界位置随机数。介质与折线颜色的对应关系可以包括:第一介质与深灰色或黑色的对应关系;第二介质与浅灰色或白色的对应关系。请参见图5,图5中箭头1指出的黑色的折线的波峰可以表征钢筋顶点,图5中箭头4指出的黑色的折线的波谷可以表征钢筋交界的位置。
步骤S120,随机生成表征第二介质在所述灰度图中的多个位置的多个第二随机数。
第二介质可以包括空气、混凝土或岩层,空气、混凝土或岩层可以与浅灰色或白色对应,其中,不论是空气、混凝土还是岩层,均可能为浅灰色或白色,详情请参见图5中箭头2或箭头3所指出的位置。步骤S120包括:随机生成表征空气、混凝土或岩层的多个位置的多个第二随机数。
步骤S130,根据介质与折线颜色的对应关系,生成所述多个第一随机数以及多个第二随机数对应的灰度图。
其中,第一介质对应的折线颜色与所述第二介质对应的折线颜色不同,所述灰度图包括多条不同颜色的折线,所述多条不同颜色的折线用于分别表征第一介质和第二介质在所述灰度图中的位置。深灰色或黑色的折线可以用来表征第一介质在灰度图中的位置,浅灰色或白色的折线可以用来表征第二介质在灰度图中的位置。
可以在预设数值范围内生成多个第一随机数,第一随机数用来表示第一介质在灰度图中的位置;然后随机生成多个第二随机数,第二随机数的生成不被上述的预设数值范围限制。随后根据介质与折线颜色的对应关系,来生成包括有第一随机数对应的折线以及第二随机数对应的折线的灰度图。分别随机生成第一随机数和第二随机数,对第一随机数在灰度图的高度方向上进行尺寸限制,并且将其转换成相应的灰度图,可以较为便捷、迅速地扩充灰度图样本数据,改善了现有技术中进行数据采样费时费力的问题。
请参见图3,步骤S130具体包括如下步骤S131至步骤S134:
步骤S131,根据多个第一随机数中的每个第一随机数,确定所述第一介质的多个介质位置在所述灰度图中的高度值;其中,所述第一介质的多个介质位置中相邻两个介质位置相距第一预设距离值。
步骤S132,按照所述多个第一随机数的生成顺序进行连线,获得所述多个第一随机数对应的折线,所述折线的颜色为与第一介质具有对应关系的折线颜色。
可选地,第一随机数可以为数值,该数值可反映对应的第一随机数在灰度图中的高度值,相邻两个第一随机数之间间隔的距离可以是第一预设距离值。在首个第一随机数的位置确定的情况下,便可以根据多个第一随机数中每个第一随机数在灰度图中的高度值、以及第一随机数与前一随机数之间的第一预设距离值,确定出多个第一随机数中每个第一随机数的位置。然后可以再按照多个第一随机数的生成顺序进行连线,获得由第一随机数组成的折线。可以通过上述方式来将多个第一随机数转化成灰度图中的折线,使得折线生成得快捷、迅速。
第一预设距离值可以为固定值,也可以为随机值。即相邻两个第一随机数在灰度图上表征的点的间距可以是固定值,也可以不是固定值,这较好地模拟了真实样本中相邻钢筋间的间距不相同或钢筋顶点的或高或低;其中,真实样本中相邻钢筋间的间距不相同以及钢筋顶点的或高或低均可能是由于数据采集人员在隧道内移动时的移动速度不均衡导致。
在真实样本中,通常情况下钢筋和别的位置颜色相差很大,然而在实际中,由于岩层含水量的差异,有时会出现钢筋和别的位置在图像颜色差异不明显的情况,上述情况可以由技术人员为灰度图赋予多种灰度的颜色来进行模拟,也可以由计算机随机赋予灰度图多种灰度的颜色进行模拟。
步骤S133,根据多个第二随机数中的每个第二随机数,确定所述第二介质的多个介质位置在所述灰度图中的高度值;其中,所述第二介质的多个介质位置中相邻两个介质位置相距第二预设距离值;
步骤S134,按照所述多个第二随机数的生成顺序进行连线,获得所述多个第二随机数对应的折线,所述折线的颜色为与第二介质具有对应关系的折线颜色。
可选地,第二随机数也可以为数值,该数值可反映对应的第二随机数在灰度图中的高度值,相邻两个第二随机数之间间隔的距离可以是第二预设距离值。在首个第二随机数的位置确定的情况下,便可以根据多个第二随机数中每个第二随机数在灰度图中的高度值以及第二随机数与前二随机数之间的第二预设距离值,确定出多个第二随机数中每个第二随机数的位置。然后可以再按照多个第二随机数的生成顺序进行连线,获得由第二随机数组成的折线。可以通过上述方式来将多个第二随机数转化成灰度图中的折线,使得折线生成得快捷、迅速。第二预设距离值可以为固定值,也可以为随机值。
在一种具体实施方式中,第一随机数与第二随机数除了可以是表征灰度图高度的具体的数值,还可以是坐标值。例如,第一随机数为(ai,bi),其中,i表示第一随机数的个数,为正整数;ai为第一随机数在灰度图中的高度位置,bi为第一随机数在灰度图中的长度位置;第二随机数为(xj,yj),其中,j表示第二随机数的个数,为正整数;xj为第二随机数在灰度图中的高度位置,yj为第二随机数在灰度图中的长度位置。在第一随机数与第二随机数能够准确表达对应的点在灰度图中的位置的情况下,第一随机数与第二随机数的具体类型不应该理解为是对本申请的限制。
可选地,在一种具体实施方式中,在步骤S110之前,还可以包括如下步骤:
获取多张历史灰度图;对于多张历史灰度图中的每张历史灰度图,确定第一介质在对应历史灰度图的最高点数值和最低点数值;确定多个所述最高点数值的最大值以及多个所述最低点数值的最小值,所述最小值至所述最大值为所述预设数值范围。
在确定预设数值范围时可以参考多张历史灰度图中的第一介质的最高点数值以及最低点数值,然后从多张历史灰度图的最高点数值中选出最大值,从多张历史灰度图的最低点数值中选出最小值,从而完成预设数值范围的构建。预设数值范围表征第一介质可能出现的高度值所在的范围,因此取多个最高点数值的最大值以及多个最低点数值的最小值,可以尽可能地囊括第一介质所在的高度的各种情况,使得模拟样本更加逼真。
请参见图4,图4示出了本申请实施例提供的样本扩充装置,所述装置400包括:
第一随机数生成模块410,用于在预设数值范围内随机生成表征第一介质在灰度图中的多个位置的多个第一随机数,其中,所述预设数值范围表示所述第一介质在所述灰度图上的所占区域对应的最大宽度尺寸,所述灰度图为检测对象的检测图。
第二随机数生成模块420,用于随机生成表征第二介质在所述灰度图中的多个位置的多个第二随机数。
灰度图生成模块430,用于根据介质与折线颜色的对应关系,生成所述多个第一随机数以及多个第二随机数对应的灰度图;其中,所述第一介质对应的折线颜色与所述第二介质对应的折线颜色不同,所述灰度图包括多条不同颜色的折线,所述多条不同颜色的折线用于分别表征第一介质和第二介质在所述灰度图中的位置。
所述第一随机数生成模块410,具体用于在预设数值范围内随机生成表征钢筋顶点的位置的顶点位置随机数;在预设数值范围内随机生成表征多根钢筋交界的位置的交界位置随机数,其中,所述多个第一随机数包括所述顶点位置随机数与所述交界位置随机数。
第二随机数生成模块420,具体用于随机生成表征空气、混凝土或岩层的多个位置的多个第二随机数。
灰度图生成模块430,具体用于根据多个第一随机数中的每个第一随机数,确定所述第一介质的多个介质位置在所述灰度图中的高度值;其中,所述第一介质的多个介质位置中相邻两个介质位置相距第一预设距离值,所述预设数值范围为所述灰度图的高度范围;按照所述多个第一随机数的生成顺序进行连线,获得所述多个第一随机数对应的折线,所述折线的颜色为与第一介质具有对应关系的折线颜色。
灰度图生成模块430,具体用于根据多个第二随机数中的每个第二随机数,确定所述第二介质的多个介质位置在所述灰度图中的高度值;其中,所述第二介质的多个介质位置中相邻两个介质位置相距第二预设距离值;按照所述多个第二随机数的生成顺序进行连线,获得所述多个第二随机数对应的折线,所述折线的颜色为与第二介质具有对应关系的折线颜色。
所述装置还包括:
历史数据获得模块,用于获取多张历史灰度图。
最值获取模块,用于对于多张历史灰度图中的每张历史灰度图,确定第一介质在对应历史灰度图的最高点数值和最低点数值。
最值确定模块,用于确定多个所述最高点数值的最大值以及多个所述最低点数值的最小值,所述最小值至所述最大值为所述预设数值范围。
图4示出的样本扩充装置与图1示出的样本扩充方法相对应,在此便不做赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (5)
1.一种样本扩充方法,其特征在于,所述方法包括:
在预设数值范围内随机生成表征第一介质在灰度图中的多个位置的多个第一随机数,其中,所述预设数值范围表示所述第一介质在所述灰度图上的所占区域对应的最大宽度尺寸,所述灰度图为检测对象的检测图;
随机生成表征第二介质在所述灰度图中的多个位置的多个第二随机数;
根据介质与折线颜色的对应关系,生成所述多个第一随机数以及多个第二随机数对应的灰度图;其中,所述第一介质对应的折线颜色与所述第二介质对应的折线颜色不同,所述灰度图包括多条不同颜色的折线,所述多条不同颜色的折线用于分别表征第一介质和第二介质在所述灰度图中的位置;
其中,在所述在预设数值范围内随机生成表征第一介质在灰度图中的多个位置的多个第一随机数之前,还包括:获取多张历史灰度图;对于多张历史灰度图中的每张历史灰度图,确定第一介质在对应历史灰度图的最高点数值和最低点数值;确定多个所述最高点数值的最大值以及多个所述最低点数值的最小值,所述最小值至所述最大值为所述预设数值范围;
所述第一介质为钢筋,所述第一介质在灰度图中的多个位置包括钢筋顶点的位置以及多根钢筋交界的位置;所述在预设数值范围内随机生成表征第一介质在灰度图中的多个位置的多个第一随机数,包括:在预设数值范围内随机生成表征钢筋顶点的位置的顶点位置随机数;在预设数值范围内随机生成表征多根钢筋交界的位置的交界位置随机数,其中,所述多个第一随机数包括所述顶点位置随机数与所述交界位置随机数;
所述第二介质包括空气、混凝土或岩层,所述根据介质与折线颜色的对应关系,生成所述多个第一随机数以及多个第二随机数对应的灰度图,包括:根据多个第一随机数中的每个第一随机数,确定所述第一介质的多个介质位置在所述灰度图中的高度值;其中,所述第一介质的多个介质位置中相邻两个介质位置相距第一预设距离值;按照所述多个第一随机数的生成顺序进行连线,获得所述多个第一随机数对应的折线,所述折线的颜色为与第一介质具有对应关系的折线颜色。
2.根据权利要求1所述的方法,其特征在于,所述介质与折线颜色的对应关系包括:空气、混凝土或岩层与浅灰色或白色对应;
所述根据介质与折线颜色的对应关系,生成所述多个第一随机数以及多个第二随机数对应的灰度图,包括:
根据多个第二随机数中的每个第二随机数,确定所述第二介质的多个介质位置在所述灰度图中的高度值;其中,所述第二介质的多个介质位置中相邻两个介质位置相距第二预设距离值;
按照所述多个第二随机数的生成顺序进行连线,获得所述多个第二随机数对应的折线,所述折线的颜色为与第二介质具有对应关系的折线颜色。
3.一种样本扩充装置,其特征在于,所述装置包括:
第一随机数生成模块,用于在预设数值范围内随机生成表征第一介质在灰度图中的多个位置的多个第一随机数,其中,所述预设数值范围表示所述第一介质在所述灰度图上的所占区域对应的最大宽度尺寸,所述灰度图为检测对象的检测图;
第二随机数生成模块,用于随机生成表征第二介质在所述灰度图中的多个位置的多个第二随机数;
灰度图生成模块,用于根据介质与折线颜色的对应关系,生成所述多个第一随机数以及多个第二随机数对应的灰度图;其中,所述第一介质对应的折线颜色与所述第二介质对应的折线颜色不同,所述灰度图包括多条不同颜色的折线,所述多条不同颜色的折线用于分别表征第一介质和第二介质在所述灰度图中的位置;
其中,在所述在预设数值范围内随机生成表征第一介质在灰度图中的多个位置的多个第一随机数之前,还包括:获取多张历史灰度图;对于多张历史灰度图中的每张历史灰度图,确定第一介质在对应历史灰度图的最高点数值和最低点数值;确定多个所述最高点数值的最大值以及多个所述最低点数值的最小值,所述最小值至所述最大值为所述预设数值范围;
所述第一介质为钢筋,所述第一介质在灰度图中的多个位置包括钢筋顶点的位置以及多根钢筋交界的位置;所述第一随机数生成模块,具体用于在预设数值范围内随机生成表征钢筋顶点的位置的顶点位置随机数;在预设数值范围内随机生成表征多根钢筋交界的位置的交界位置随机数,其中,所述多个第一随机数包括所述顶点位置随机数与所述交界位置随机数;
所述第二介质包括空气、混凝土或岩层,所述根据介质与折线颜色的对应关系,生成所述多个第一随机数以及多个第二随机数对应的灰度图,包括:根据多个第一随机数中的每个第一随机数,确定所述第一介质的多个介质位置在所述灰度图中的高度值;其中,所述第一介质的多个介质位置中相邻两个介质位置相距第一预设距离值;按照所述多个第一随机数的生成顺序进行连线,获得所述多个第一随机数对应的折线,所述折线的颜色为与第一介质具有对应关系的折线颜色。
4.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行如权利要求1-2任一项所述的方法。
5.一种可读存储介质,其特征在于,该可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1-2任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010133898.5A CN111369518B (zh) | 2020-02-28 | 2020-02-28 | 样本扩充方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010133898.5A CN111369518B (zh) | 2020-02-28 | 2020-02-28 | 样本扩充方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111369518A CN111369518A (zh) | 2020-07-03 |
CN111369518B true CN111369518B (zh) | 2022-11-01 |
Family
ID=71212663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010133898.5A Active CN111369518B (zh) | 2020-02-28 | 2020-02-28 | 样本扩充方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111369518B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110399118A (zh) * | 2019-07-15 | 2019-11-01 | 宇龙计算机通信科技(深圳)有限公司 | 一种随机数生成方法、装置、存储介质及电子设备 |
CN110399874A (zh) * | 2019-07-24 | 2019-11-01 | 福建博思软件股份有限公司 | 一种车牌识别训练数据的合成方法 |
CN110702881A (zh) * | 2019-10-23 | 2020-01-17 | 华北水利水电大学 | 岩土材料参数变异性结果的预测方法及其应用 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4573013A (en) * | 1982-03-29 | 1986-02-25 | The United States Of America As Represented By The Secretary Of Transportation | Magnetic inspection of reinforcing steel rods in prestressed concrete |
US4531091A (en) * | 1982-03-29 | 1985-07-23 | The United States Of America As Represented By The Secretary Of Transportation | Magnetic inspection of reinforcing steel using sensor array |
CN108427814B (zh) * | 2017-08-12 | 2021-07-20 | 中民筑友科技投资有限公司 | 一种装配式墙体钢筋数据处理方法及装置 |
CN108492343B (zh) * | 2018-03-28 | 2021-09-21 | 东北大学 | 一种扩充目标识别的训练数据的图像合成方法 |
CN108982522B (zh) * | 2018-08-09 | 2022-04-26 | 北京百度网讯科技有限公司 | 用于检测管道缺陷的方法和装置 |
CN110032954B (zh) * | 2019-03-27 | 2021-05-14 | 中建三局第一建设工程有限责任公司 | 一种钢筋智能识别与计数方法及系统 |
CN110097087B (zh) * | 2019-04-04 | 2021-06-11 | 浙江科技学院 | 一种自动钢筋捆扎位置识别方法 |
-
2020
- 2020-02-28 CN CN202010133898.5A patent/CN111369518B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110399118A (zh) * | 2019-07-15 | 2019-11-01 | 宇龙计算机通信科技(深圳)有限公司 | 一种随机数生成方法、装置、存储介质及电子设备 |
CN110399874A (zh) * | 2019-07-24 | 2019-11-01 | 福建博思软件股份有限公司 | 一种车牌识别训练数据的合成方法 |
CN110702881A (zh) * | 2019-10-23 | 2020-01-17 | 华北水利水电大学 | 岩土材料参数变异性结果的预测方法及其应用 |
Non-Patent Citations (1)
Title |
---|
基于RLAB特征的人脸在线检测系统设计与实现;吴忠谦;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150215;第2015年卷(第2期);I138-1247 * |
Also Published As
Publication number | Publication date |
---|---|
CN111369518A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110619283B (zh) | 一种无人机正射影像道路自动提取方法 | |
US20170316127A1 (en) | Method and apparatus for constructing testing scenario for driverless vehicle | |
CN110619282A (zh) | 一种无人机正射影像建筑物自动提取方法 | |
JP2021093161A (ja) | 産業機器ゲージのデジタル化及びアラームのためのコンピュータビジョンシステム | |
CN105718420B (zh) | 数据处理装置及其操作方法 | |
US10509959B2 (en) | Method and device for segmenting lines in line chart | |
CN111060521A (zh) | 一种预制混凝土t梁表面气泡数量与面积的检测方法 | |
CN116188703B (zh) | 一种基于bim的建筑工程可视化管理系统 | |
CN113569852A (zh) | 语义分割模型的训练方法、装置、电子设备及存储介质 | |
CN114332004A (zh) | 一种瓷砖表面缺陷检测方法、装置、电子设备及存储介质 | |
CN111652209A (zh) | 损伤检测方法、装置、电子设备及介质 | |
CN115457451A (zh) | 基于物联网的恒温恒湿试验箱的监控方法及装置 | |
CN111369518B (zh) | 样本扩充方法、装置、电子设备及可读存储介质 | |
CN116051777B (zh) | 超高层建筑提取方法、设备和可读存储介质 | |
CN116681959A (zh) | 基于机器学习的锋线识别方法、装置、存储介质及终端 | |
CN115588082A (zh) | 空间数字模型实时展示方法、装置、设备及存储介质 | |
CN114627435A (zh) | 基于图像识别的智能灯光调节方法、装置、设备及介质 | |
CN108802512B (zh) | 一种配电系统测试方法及装置 | |
CN112115876A (zh) | 一种基于3d卷积神经网络的水溶法实验过程识别方法 | |
CN112733771B (zh) | 一种铁路列车跨接线异物故障识别方法及系统 | |
CN112948459B (zh) | 铁路基础设施巡检装置、方法及系统 | |
CN117806496B (zh) | 基于虚拟现实技术的综合管廊动态虚拟巡检方法及系统 | |
CN114078234B (zh) | 供电台区施工工艺的检测方法、系统、存储介质及设备 | |
CN115830176A (zh) | 图片格式流程图的关注信息重绘方法、系统、设备及介质 | |
CN114546869A (zh) | 界面开发的视觉还原测试方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |