公开(公告)号：CN114972835A

公开(公告)日：2022-08-30

申请号：CN202111458156.0

申请日：2021-12-02

Applicant: 湘潭大学

Inventor： 朱江 ,  李明柯 ,  王昭鸿 ,  孟步敏 ,  李艳春 ,  田淑娟 ,  龙赛琴 ,  裴瑞宏 ,  杨云芳

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种混合抑制数据增强方法。本发明的主要特征在于：第一，在深度学习模型训练过程中对数据进行读取，并完成数据集标签的统计与分析；第二，通过分析的结果，在训练过程中的每一轮中对读入的图像动态选取不同的被删除标签和信息源标签；第三，将选取的被删除标签和信息源标签进行图像信息的区域信息擦除和混合，产生新的图像样本。通过上述的方式，本发明能够显著降低深度学习在实际应用过程中对数据集数量的需求，在不改变图像背景以及目标位置分布的情况下抑制现实数据集中广泛存在的长尾效应，提升数据集各个类别的多样性，极大的减少深度学习落地应用的开发成本。

公开(公告)号：CN114972835B

公开(公告)日：2024-08-02

申请号：CN202111458156.0

申请日：2021-12-02

Applicant: 湘潭大学

Inventor： 朱江 ,  李明柯 ,  王昭鸿 ,  孟步敏 ,  李艳春 ,  田淑娟 ,  龙赛琴 ,  裴瑞宏 ,  杨云芳

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/047 ,  G06N3/09

Abstract: 本发明提出了一种混合抑制数据增强方法。本发明的主要特征在于：第一，在深度学习模型训练过程中对数据进行读取，并完成数据集标签的统计与分析；第二，通过分析的结果，在训练过程中的每一轮中对读入的图像动态选取不同的被删除标签和信息源标签；第三，将选取的被删除标签和信息源标签进行图像信息的区域信息擦除和混合，产生新的图像样本。通过上述的方式，本发明能够显著降低深度学习在实际应用过程中对数据集数量的需求，在不改变图像背景以及目标位置分布的情况下抑制现实数据集中广泛存在的长尾效应，提升数据集各个类别的多样性，极大的减少深度学习落地应用的开发成本。