数据增广方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种数据增广方法、装置、电子设备及存储介质，涉及人工智能领域，具体涉及计算机视觉和深度学习技术，具体可用于图像处理场景下。具体实现方案为：基于预先采集的图片序列库，对图像拼接处理中的第一类型超参数和第二类型超参数进行解耦；基于解耦得到的所述第一类型超参数、所述第二类型超参数以及所述图片序列库，进行数据增广。本公开的技术能够有效地进行数据增广，实现有效地扩充图像拼接处理的任务模型进行深度学习所需的数据。拼接处理的任务模型进行深度学习所需的数据。拼接处理的任务模型进行深度学习所需的数据。

【技术实现步骤摘要】
数据增广方法、装置、电子设备及存储介质


[0001]本公开涉及计算机
，尤其涉及人工智能领域，具体涉及计算机视觉和深度学习技术，具体可用于图像处理场景下，特别涉及一种数据增广方法、装置、电子设备及存储介质。

技术介绍

[0002]图像拼接技术是计算机视觉领域研究得最早和最广泛的方向之一，它是指将一系列通过普通照相机拍摄的处于同一场景的，并且相互之间存在重叠部分的图片进行拼接，得到一幅当前场景的完整图片的过程。
[0003]随着人工智能(Artificial Intelligence；AI)技术的发展，为了提高图像拼接技术的效果，也可以采用经过深度学习的神经网络模型实现图像拼接。

技术实现思路

[0004]本公开提供了一种数据增广方法、装置、电子设备及存储介质。
[0005]根据本公开的一方面，提供了一种数据增广方法，包括：
[0006]基于预先采集的图片序列库，对图像拼接处理中的第一类型超参数和第二类型超参数进行解耦；
[0007]基于解耦得到的所述第一类型超参数、所述第二类型超参数以及所述图片序列库，进行数据增广。
[0008]根据本公开的另一方面，提供了一种数据增广装置，包括：
[0009]解耦模块，用于基于预先采集的图片序列库，对图像拼接处理中的第一类型超参数和第二类型超参数进行解耦；
[0010]数据增广模块，用于基于解耦得到的所述第一类型超参数、所述第二类型超参数以及所述图片序列库，进行数据增广。
[0011]根据本公开的再一方面，提供了一种电子设备，包括：
[0012]至少一个处理器；以及
[0013]与所述至少一个处理器通信连接的存储器；其中，
[0014]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方面和任一可能的实现方式的方法。
[0015]根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的方面和任一可能的实现方式的方法。
[0016]根据本公开的再另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方面和任一可能的实现方式的方法。
[0017]根据本公开的技术，能够有效地进行数据增广。
[0018]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0019]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0020]图1是根据本公开第一实施例的示意图；
[0021]图2是根据本公开第二实施例的示意图；
[0022]图3是根据本公开第三实施例的示意图；
[0023]图4是根据本公开第四实施例的示意图；
[0024]图5是用来实现本公开实施例的数据增广方法的电子设备的框图。
具体实施方式
[0025]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0026]显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
[0027]需要说明的是，本公开实施例中所涉及的终端设备可以包括但不限于手机、个人数字助理(Personal Digital Assistant，PDA)、无线手持设备、平板电脑(Tablet Computer)等智能设备；显示设备可以包括但不限于个人电脑、电视等具有显示功能的设备。
[0028]另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0029]随着AI的发展，基于神经网络模型构建各种图像拼接处理模型的技术也越来越成熟。但是各种图像拼接处理的任务模型在使用之前，需要采用很多的训练数据进行训练，才可以使用。但是现有的图像拼接处理的训练数据量较少，无法使得相关的任务模型进行有效地深度学习。基于此，本公开提供一种数据增广方案，以对相应的任务模型进行数据扩充，使得任务模型可以充分得到训练。
[0030]图1是根据本公开第一实施例的示意图；如图1所示，本实施例提供一种数据增广方法，具体可以包括如下步骤：
[0031]S101、基于预先采集的图片序列库，对图像拼接处理中的第一类型超参数和第二类型超参数进行解耦；
[0032]S102、基于解耦得到的第一类型超参数、第二类型超参数以及图片序列库，进行数据增广。
[0033]本实施例的数据增广方法的执行主体可以为数据增广装置，可以应用于生成图像拼接处理相关的深度学习任务所需要的数据，实现数据增广，以弥补现有技术中深度学习
任务的数据量较少的问题。
[0034]本实施例中的图片序列库可以为预先采集的、包括数条图片序列。每一条图片序列中可以包括多张待拼接的图片。图片序列库中的不同的图片序列中可以包括相同数量的图片，也可以包括不同数量的图片。
[0035]本实施例的图像拼接处理可以包括图片预处理、特征匹配以及图像拼接等处理。无论处理中是采用算法来实现还是采用模型来实现，这些处理中都涉及一些不可学习的超参数。本实施例的方案中，通过图像拼接处理对图片序列库中的各图片序列进行图像拼接，实现将图像拼接处理中的第一类型超参数和第二类型超参数解耦，进而基于解耦得到的第一类型超参数、第二类型超参数以及图片序列库，进行数据增广，可以有针对性基于不同类型的超参数进行分别处理，实现有效地数据增广。
[0036]本实施例的数据增广方法，通过采用上述技术方案，可以实现将图像拼接处理中的第一类型超参数和第二类型超参数进行解耦，进而基于解耦得到的第一类型超参数和第二类型超参数，再结合图片序列库，进行有效地数据增广，能够实现有效地扩充图像拼接处理的任务模型进行深度学习所需的数据。
[0037]图2是根据本公开第二实施例的示意图；如图2所示，本实施例的数据增广方法，在上述图1所示实施例的技术方案的基础上，进一步更加详细地描述本申请的技术方案。如图2所示，本实施例的数据增广方法，具体可以包括如下步骤：
[0038]S201、采用拼接图像质量检测方法，识别对图片序列库中各图片序列进行图像拼接处理中的第一类型超参数和第二类型超参数；
[0039]该步骤S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据增广方法，包括：基于预先采集的图片序列库，对图像拼接处理中的第一类型超参数和第二类型超参数进行解耦；基于解耦得到的所述第一类型超参数、所述第二类型超参数以及所述图片序列库，进行数据增广。2.根据权利要求1所述的方法，其中，基于解耦得到的所述第一类型超参数、所述第二类型超参数以及所述图片序列库，进行数据增广，包括：基于所述图片序列库，获取所述第二类型超参数对应的图片序列集合；基于所述第二类型超参数对应的图片序列集合，获取所述第二类型超参数的最佳值；基于图像拼接处理中的所述第一类型超参数、所述第二类型超参数的最佳值以及所述图片序列库，进行数据增广。3.根据权利要求2所述的方法，其中，基于所述第二类型超参数对应的图片序列集合，获取所述第二类型超参数的最佳值，包括：在对所述图片序列集合中的各图片序列进行图像拼接处理过程中，通过调整所述第二类型超参数的大小，获取图片拼接处理的质量参数最佳时所述第二类型超参数的最佳值。4.根据权利要求2所述的方法，其中，基于图像拼接处理中的所述第一类型超参数、所述第二类型超参数的最佳值以及所述图片序列库，进行数据增广，包括：基于图像拼接处理中的所述第一类型超参数的任意值、所述第二类型超参数的最佳值，对所述图片序列库中各图片序列进行图像拼接处理，生成相应的拼接图像；基于所述图片序列和生成的所述拼接图像，生成训练数据，以实现数据增广。5.根据权利要求1
‑
4任一所述的方法，其中，基于预先采集的图片序列库，对图像拼接处理中的第一类型超参数和第二类型超参数进行解耦，包括：采用拼接图像质量检测方法，识别对所述图片序列库中各所述图片序列进行图像拼接处理中的所述第一类型超参数和所述第二类型超参数。6.根据权利要求1
‑
5任一所述的方法，其中，所述第一类型超参数为图像拼接处理中仅影响纹理的超参数，所述第二类型超参数为所述图像拼接处理中除所述第一类型超参数之外的其他超参数。7.一种数据增广装置，包括：解耦模块，用于基于预先采集的图片序列库，对图像拼接处理中的第一类型超参数和第二类型超参数进行解耦；数据增广模块，用于基于解耦得到的所述第一类型超参数、所述第二类型超参数以及...

【专利技术属性】
技术研发人员：陈曲，叶晓青，孙昊，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：