CN113807335A - 一种进行数据增强的方法、装置和存储介质 - Google Patents
一种进行数据增强的方法、装置和存储介质 Download PDFInfo
- Publication number
- CN113807335A CN113807335A CN202110006496.3A CN202110006496A CN113807335A CN 113807335 A CN113807335 A CN 113807335A CN 202110006496 A CN202110006496 A CN 202110006496A CN 113807335 A CN113807335 A CN 113807335A
- Authority
- CN
- China
- Prior art keywords
- data
- processed
- enhancement type
- configuration information
- data enhancement
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000009466 transformation Effects 0.000 claims description 28
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000000844 transformation Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种进行数据增强的方法、装置和存储介质,具体为首先获取含有完整目标的待处理数据和所述待处理数据对应的数据增强类型,其次,基于数据增强类型,匹配与待处理数据相应的配置信息,配置信息用于表示待处理数据在进行数据增强类型对应的操作后,待处理数据中目标的完整度,最后,根据配置信息,为待处理数据确定真实标签。本申请实施例通过为经过不同数据增强类型的待处理数据确定真实值,降低对不完整目标的确信度,减少误识率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种进行数据增强的方法、装置和存储介质。
背景技术
在深度学习中对于检测模型有多种数据增强的方法,如对数据进行旋转,翻转,模糊,颜色,光照,饱和度,尺度,目标重叠度(Intersection over Union,IOU)等方式。一般会对数据增强后的目标均标记为对应标签,其值用one hot编码,属于哪个分类,哪个分类对应的真实值就标记为1。但当前数据增强给出的真实值(label)对于目标物体本身完整性和变化后的形态出现的频率并没有考量。将这些低频出现的,或者不完整的目标作为完全正确的真实值为1的数据增强,可能会导致对类似目标的误识。
发明内容
本申请实施例提供了一种进行数据增强的方法,克服了数据增强时标签标识不准确的问题。
该方法包括:
获取含有完整目标的待处理数据和所述待处理数据对应的数据增强类型;
基于所述数据增强类型,匹配与所述待处理数据相应的配置信息,所述配置信息用于表示所述待处理数据在进行所述数据增强类型对应的操作后,所述待处理数据中所述目标的完整度;
根据所述配置信息,为所述待处理数据确定真实标签。
可选地,为所述待处理数据确定所述数据增强类型,所述数据增强类型包括几何变换方式、随机裁剪方式和颜色变换方式。
可选地,当所述数据增强类型为所述随机裁剪方式时,获取对所述待处理数据执行完成所述随机剪裁方式后生成的裁剪后数据;
基于所述裁剪后数据和所述待处理数据,生成所述裁剪后数据和所述待处理数据之间的重叠比信息;
将所述重叠比信息作为双曲正切函数的自变量,计算第一配置信息。
可选地,当所述数据增强类型为所述几何变换方式时,为所述待处理数据匹配第二配置信息,以及当所述数据增强类型为所述颜色变换方式时,为所述待处理数据匹配第三配置信息。
在本发明的另一个实施例中,提供了一种进行数据增强的装置,该装置包括:
获取模块,用于获取含有完整目标的待处理数据和所述待处理数据对应的数据增强类型;
匹配模块,用于基于所述数据增强类型,匹配与所述待处理数据相应的配置信息,所述配置信息用于表示所述待处理数据在进行所述数据增强类型对应的操作后,所述待处理数据中所述目标的完整度;
第一确定模块,用于根据所述配置信息,为所述待处理数据确定真实标签。
可选地,所述装置进一步包括:
第二确定模块,用于为所述待处理数据确定所述数据增强类型,所述数据增强类型包括几何变换方式、随机裁剪方式和颜色变换方式。
可选地,所述匹配模块还包括:
获取单元,用于当所述数据增强类型为所述随机裁剪方式时,获取对所述待处理数据执行完成所述随机剪裁方式后生成的裁剪后数据;
生成单元,用于基于所述裁剪后数据和所述待处理数据,生成所述裁剪后数据和所述待处理数据之间的重叠比信息;
计算单元,用于将所述重叠比信息作为双曲正切函数的自变量,计算第一配置信息。
可选地,所述匹配模块还用于:
当所述数据增强类型为所述几何变换方式时,为所述待处理数据匹配第二配置信息,以及当所述数据增强类型为所述颜色变换方式时,为所述待处理数据匹配第三配置信息。
在本发明的另一个实施例中,提供了一种非瞬时计算机可读存储介质,所述非瞬时计算机可读存储介质存储指令,所述指令在由处理器执行时使得所述处理器执行上述一种进行数据增强的方法中的各个步骤。
在本发明的另一个实施例中,提供了一种终端设备,包括处理器,所述处理器用于执行上述一种进行数据增强的方法中的各个步骤。
基于上述实施例,首先获取含有完整目标的待处理数据和所述待处理数据对应的数据增强类型,其次,基于数据增强类型,匹配与待处理数据相应的配置信息,配置信息用于表示待处理数据在进行数据增强类型对应的操作后,待处理数据中目标的完整度,最后,根据配置信息,为待处理数据确定真实标签。本申请实施例通过为经过不同数据增强类型的待处理数据确定真实值,降低对不完整目标的确信度,减少误识率。
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示出了为本申请实施例100所提供的一种进行数据增强的方法的流程示意图;
图2示出了本申请实施例200提供的一种进行数据增强的方法的函数示意图;
图3示出了本申请实施例300还提供一种进行数据增强的装置的示意图;
图4示出了本申请实施例400所提供的一种终端设备的示意图。
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清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或单元。
基于现有技术中的问题,本申请实施例提供了一种进行数据增强的方法,主要适用于计算机技术领域。通过对进行不同的数据增强类型后的待处理数据设置不同的真实值,降低检测模型对不完整目标的确信度,以实现一种进行数据增强的方法。以下几个具体实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。如图1所示,为本申请实施例100提供的一种进行数据增强的方法的流程示意图。其中,详细步骤如下:
步骤S11,获取含有完整目标的待处理数据和待处理数据对应的数据增强类型。
本步骤中,数据增强是一种通过让有限的数据产生更多的等价数据来人工扩展训练数据集的技术。数据增强类型包括且不限于几何变换、颜色变换、随机裁剪和噪声注入等数据增强方式。本申请实施例中的待处理数据均包含完整目标,以使在后续选择数据增强类型时可确认目标完整度。
步骤S12,基于数据增强类型,匹配与待处理数据相应的配置信息,配置信息用于表示待处理数据在进行数据增强类型对应的操作后,待处理数据中目标的完整度。
本步骤中,在适用不同的数据增强类型时,考量其增强后呈现形式在真实场景下存在的概率,对其进行真实值进行调整。具体地,待处理数据在经过不同的数据增强类型对应的操作后,原数据中的完整目标在经过操作后目标的完整度可能会发生变化。在待处理数据选取相应的数据增强类型后,匹配包含相应的目标的完整度的配置信息。
步骤S13,根据配置信息,为待处理数据确定真实标签。
本步骤中,基于选取的数据增强类型对应的配置信息,确定待处理数据的真实标签,并用此真是标签为待处理数据打标。
如上所述,基于上述实施例,首先获取含有完整目标的待处理数据和所述待处理数据对应的数据增强类型,其次,基于数据增强类型,匹配与待处理数据相应的配置信息,配置信息用于表示待处理数据在进行数据增强类型对应的操作后,待处理数据中目标的完整度,最后,根据配置信息,为待处理数据确定真实标签。本申请实施例通过为经过不同数据增强类型的待处理数据确定真实值,降低对不完整目标的确信度,减少误识率。
本申请实施例通过收集含有完整目标的待处理数据,为待处理数据确定数据增强类型,数据增强类型包括几何变换方式、随机裁剪方式和颜色变换方式。具体地,数据增强类型包含旋转,翻转,模糊,颜色,光照,饱和度,尺度,目标iou等方面的增强方式。进一步地,考量其增强后呈现形式在真实场景下存在的概率,对其进行真实值的调整。
当数据增强类型为几何变换方式时,为待处理数据匹配第二配置信息,以及当数据增强类型为颜色变换方式时,为待处理数据匹配第三配置信息。如针对旋转和翻转等几何变换方式,因此类操作在真实场景中普遍存在,目标的完整度影响不大,相应分类的真实值可设置为第二配置信息。其中,本申请实施例中的第二配置信息的最优值为1。如针对模糊,颜色,光照和饱和度等颜色变换方式,此类操作对于某些分类影响较大,例如本身就要对颜色敏感的分类,或者对分辨率有要求的分类,相应分类的真实值可设置为第三配置信息。其中,第三配置信息可以根据业务具体要求进行调整。
另外,当数据增强类型为随机裁剪方式时,获取对待处理数据执行完成随机剪裁方式后生成的裁剪后数据;基于裁剪后数据和待处理数据,生成裁剪后数据和待处理数据之间的重叠比信息;将重叠比信息作为双曲正切函数的自变量,计算第一配置信息。具体地,随机裁剪类类操作对待处理数据中的目标影响较大,尤其是较小目标和裁剪后的不完整目标,在真实场景中可能产生与其混淆的其他对象。因此,需要对这类数据增强的操作进行限制。以改变后的裁剪后数据与待处理数据的重叠比为x,则其真实值y设置为双曲正切函数tanh(2*x),其随着x变化的曲线如图2所示,x越大真实值越接近1。
本申请基于上述步骤实现上述一种进行数据增强的方法。通过修改待处理数据对应的数据增强类型的处理方式,根据数据增强类型的不同而设置不同的真实值对应。提出对数据增强部分进行soft label标注的方式来更平滑的训练目标。对随机剪裁方式的数据增强类型提出tanh(2*x)的真实值设置方式,降低检测模型的误识率。不同数据增强的数据以不同的真实值加入训练,可以增强其表达的准确性,降低检测模型对不完整目标的确信度,减少可能出现的误识。
基于同一发明构思,本申请实施例300还提供一种进行数据增强的装置,其中,如图3所示,该装置包括:
获取模块31,用于获取含有完整目标的待处理数据和待处理数据对应的数据增强类型;
匹配模块32,用于基于数据增强类型,匹配与待处理数据相应的配置信息,配置信息用于表示待处理数据在进行数据增强类型对应的操作后,待处理数据中所述目标的完整度;
第一确定模块33,用于根据配置信息,为待处理数据确定真实标签。
本实施例中,获取模块31、匹配模块32和第一确定模块33的具体功能和交互方式,可参见图1对应的实施例的记载,在此不再赘述。
可选地,该装置进一步包括:
第二确定模块34,用于为待处理数据确定数据增强类型,数据增强类型包括几何变换方式、随机裁剪方式和颜色变换方式。
可选地,匹配模块32还包括:
获取单元,用于当数据增强类型为随机裁剪方式时,获取对待处理数据执行完成随机剪裁方式后生成的裁剪后数据;
生成单元,用于基于裁剪后数据和待处理数据,生成裁剪后数据和待处理数据之间的重叠比信息;
计算单元,用于将重叠比信息作为双曲正切函数的自变量,计算第一配置信息。
可选地,匹配模块32还用于:
当数据增强类型为几何变换方式时,为待处理数据匹配第二配置信息,以及当数据增强类型为颜色变换方式时,为待处理数据匹配第三配置信息。
如图4所示,本申请的又一实施例400还提供一种终端设备,包括处理器401,其中,处理器401用于执行上述一种进行数据增强的方法的步骤。从图4中还可以看出,上述实施例提供的终端设备还包括非瞬时计算机可读存储介质402,该非瞬时计算机可读存储介质402上存储有计算机程序,该计算机程序被处理器401运行时执行上述一种进行数据增强的方法的步骤。实际应用中,该终端设备可以是一台或多台计算机,只要包括上述计算机可读介质和处理器即可。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘和FLASH等,该存储介质上的计算机程序被运行时,能够执行上述的一种进行数据增强的方法中的各个步骤。实际应用中,所述的计算机可读介质可以是上述实施例中描述的设备/装置/系统中所包含的,也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或多个程序被执行时,能够执行上述的一种进行数据增强的方法中的各个步骤。
根据本申请公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件,或者上述的任意合适的组合,但不用于限制本申请保护的范围。在本申请公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
本申请附图中的流程图和框图,示出了按照本申请公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或者代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应该注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同附图中所标注的顺序发生。例如,两个连接地表示的方框实际上可以基本并行地执行,它们有时也可以按照相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或者流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本申请中。特别地,在不脱离本申请精神和教导的情况下,本申请的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,所有这些组合和/或结合均落入本申请公开的范围。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行变更或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些变更、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种进行数据增强的方法,其特征在于,包括:
获取含有完整目标的待处理数据和所述待处理数据对应的数据增强类型;
基于所述数据增强类型,匹配与所述待处理数据相应的配置信息,所述配置信息用于表示所述待处理数据在进行所述数据增强类型对应的操作后,所述待处理数据中所述目标的完整度;
根据所述配置信息,为所述待处理数据确定真实标签。
2.根据权利要求1所述的生成方法,其特征在于,在所述获取含有完整目标的待处理数据和所述待处理数据对应的数据增强类型的步骤之前,所述方法进一步包括:
为所述待处理数据确定所述数据增强类型,所述数据增强类型包括几何变换方式、随机裁剪方式和颜色变换方式。
3.根据权利要求2所述的生成方法,其特征在于,所述匹配与所述待处理数据相应的配置信息的步骤包括:
当所述数据增强类型为所述随机裁剪方式时,获取对所述待处理数据执行完成所述随机剪裁方式后生成的裁剪后数据;
基于所述裁剪后数据和所述待处理数据,生成所述裁剪后数据和所述待处理数据之间的重叠比信息;
将所述重叠比信息作为双曲正切函数的自变量,计算第一配置信息。
4.根据权利要求2所述的生成方法,其特征在于,所述匹配与所述待处理数据相应的配置信息的步骤包括:
当所述数据增强类型为所述几何变换方式时,为所述待处理数据匹配第二配置信息,以及当所述数据增强类型为所述颜色变换方式时,为所述待处理数据匹配第三配置信息。
5.一种进行数据增强的装置,其特征在于,包括:
获取模块,用于获取含有完整目标的待处理数据和所述待处理数据对应的数据增强类型;
匹配模块,用于基于所述数据增强类型,匹配与所述待处理数据相应的配置信息,所述配置信息用于表示所述待处理数据在进行所述数据增强类型对应的操作后,所述待处理数据中所述目标的完整度;
第一确定模块,用于根据所述配置信息,为所述待处理数据确定真实标签。
6.根据权利要求5所述的生成装置,其特征在于,所述装置进一步包括:
第二确定模块,用于为所述待处理数据确定所述数据增强类型,所述数据增强类型包括几何变换方式、随机裁剪方式和颜色变换方式。
7.根据权利要求6所述的生成装置,其特征在于,所述匹配模块还包括:
获取单元,用于当所述数据增强类型为所述随机裁剪方式时,获取对所述待处理数据执行完成所述随机剪裁方式后生成的裁剪后数据;
生成单元,用于基于所述裁剪后数据和所述待处理数据,生成所述裁剪后数据和所述待处理数据之间的重叠比信息;
计算单元,用于将所述重叠比信息作为双曲正切函数的自变量,计算第一配置信息。
8.根据权利要求6所述的生成装置,其特征在于,所述匹配模块还用于:
当所述数据增强类型为所述几何变换方式时,为所述待处理数据匹配第二配置信息,以及当所述数据增强类型为所述颜色变换方式时,为所述待处理数据匹配第三配置信息。
9.一种非瞬时计算机可读存储介质,其特征在于,所述非瞬时计算机可读存储介质存储指令,所述指令在由处理器执行时使得所述处理器执行如权利要求1至4任一项所述的一种进行数据增强的方法中的各个步骤。
10.一种终端设备,其特征在于,包括处理器,所述处理器用于执行如权利要求1至4中任一项所述的一种进行数据增强的方法中的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110006496.3A CN113807335B (zh) | 2021-01-05 | 一种进行数据增强的方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110006496.3A CN113807335B (zh) | 2021-01-05 | 一种进行数据增强的方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113807335A true CN113807335A (zh) | 2021-12-17 |
CN113807335B CN113807335B (zh) | 2024-05-24 |
Family
ID=
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494063A (zh) * | 2022-01-25 | 2022-05-13 | 电子科技大学 | 一种基于生物视觉机制的夜间交通图像增强方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682023A (zh) * | 2015-11-10 | 2017-05-17 | 杭州华为数字技术有限公司 | 生成数据集的方法和装置 |
CN109361949A (zh) * | 2018-11-27 | 2019-02-19 | Oppo广东移动通信有限公司 | 视频处理方法、装置、电子设备以及存储介质 |
WO2019204824A1 (en) * | 2018-04-20 | 2019-10-24 | XNOR.ai, Inc. | Improving image classification through label progression |
CN111161181A (zh) * | 2019-12-26 | 2020-05-15 | 深圳市优必选科技股份有限公司 | 图像数据的增强方法、模型的训练方法、设备和存储介质 |
DE202020101701U1 (de) * | 2019-10-01 | 2020-07-10 | Google Llc | Trainieren neuronaler Netze unter Verwendung von Datenvermehrungsstrategien |
WO2020228171A1 (zh) * | 2019-05-16 | 2020-11-19 | 平安科技(深圳)有限公司 | 数据增强方法、装置及计算机可读存储介质 |
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682023A (zh) * | 2015-11-10 | 2017-05-17 | 杭州华为数字技术有限公司 | 生成数据集的方法和装置 |
WO2019204824A1 (en) * | 2018-04-20 | 2019-10-24 | XNOR.ai, Inc. | Improving image classification through label progression |
CN109361949A (zh) * | 2018-11-27 | 2019-02-19 | Oppo广东移动通信有限公司 | 视频处理方法、装置、电子设备以及存储介质 |
WO2020228171A1 (zh) * | 2019-05-16 | 2020-11-19 | 平安科技(深圳)有限公司 | 数据增强方法、装置及计算机可读存储介质 |
DE202020101701U1 (de) * | 2019-10-01 | 2020-07-10 | Google Llc | Trainieren neuronaler Netze unter Verwendung von Datenvermehrungsstrategien |
CN111161181A (zh) * | 2019-12-26 | 2020-05-15 | 深圳市优必选科技股份有限公司 | 图像数据的增强方法、模型的训练方法、设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494063A (zh) * | 2022-01-25 | 2022-05-13 | 电子科技大学 | 一种基于生物视觉机制的夜间交通图像增强方法 |
CN114494063B (zh) * | 2022-01-25 | 2023-04-07 | 电子科技大学 | 一种基于生物视觉机制的夜间交通图像增强方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11875511B2 (en) | Method and device for semantic segmentation of image | |
CN109753928B (zh) | 违章建筑物识别方法和装置 | |
CN110008956B (zh) | 发票关键信息定位方法、装置、计算机设备及存储介质 | |
US20150248592A1 (en) | Method and device for identifying target object in image | |
CN110675407B (zh) | 一种图像实例分割方法、装置、电子设备及存储介质 | |
CN111639653B (zh) | 一种误检图像确定方法、装置、设备和介质 | |
CN110287936B (zh) | 图像检测方法、装置、设备及存储介质 | |
CN110689134A (zh) | 执行机器学习过程的方法、装置、设备以及存储介质 | |
US20200327673A1 (en) | Method for thinning and connection in linear object extraction from an image | |
CN110969199A (zh) | 一种图像分类的方法、装置和存储介质 | |
CN110490058B (zh) | 行人检测模型的训练方法、装置、系统和计算机可读介质 | |
CN110796130A (zh) | 用于文字识别的方法、装置及计算机存储介质 | |
CN116844006A (zh) | 一种目标识别方法、装置、电子设备及可读存储介质 | |
CN112906801A (zh) | 一种图像处理的方法、装置和存储介质 | |
CN113807335B (zh) | 一种进行数据增强的方法、装置和存储介质 | |
CN113807335A (zh) | 一种进行数据增强的方法、装置和存储介质 | |
CN111178200A (zh) | 一种仪表盘指示灯的识别方法及计算设备 | |
CN116661786A (zh) | 一种设计页面生成方法及装置 | |
CN116152079A (zh) | 图像处理方法及图像处理模型训练方法 | |
CN111060507B (zh) | 一种车辆验证方法及装置 | |
CN109978863B (zh) | 基于x射线图像的目标检测方法及计算机设备 | |
CN110287943B (zh) | 图像的对象识别方法、装置、电子设备及存储介质 | |
CN113591765A (zh) | 一种基于实例分割算法的异物检测方法及系统 | |
CN108345893B (zh) | 一种直线检测方法、装置、计算机存储介质及终端 | |
CN111079797A (zh) | 一种图像分类的方法、装置和存储介质 |
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 |