【技术实现步骤摘要】
本专利技术涉及机器视觉深度学习领域，特别地是，机器视觉深度学习样本增强预览方法、计算机及存储介质。
技术介绍
1、近年来，深度学习在工业领域的应用不断显露出巨大的前景，特别是机器视觉方面。目前机器视觉深度学习模型存在原始样本图数量较少的问题。为了解决上述问题，需要对原始样本图进行增强。
2、中国专利技术申请cn113095400a公开的“一种用于机器视觉缺陷检测的深度学习模型训练方法”是将增强的人工缺陷图像与正常产品的外观图像进行图像融合，以得到海量的增强样本图。缺点在于：仅教导技术人员如何增加样本图的数量，而未教导技术人员如何评价或改善样本图的增强效果。
技术实现思路
1、本专利技术的目的是解决现有技术未教导技术人员如何评价或改善样本图的增强效果的问题，提供一种新型的机器视觉深度学习样本增强预览方法、计算机及存储介质。
2、为了实现上述目的，本专利技术的技术方案如下：机器视觉深度学习样本增强预览方法，包括：
3、步骤s1，确定机器视觉深度学习所使用的原始样本图，其中，原始样本图具有特征区域；
4、步骤s2，确定原始样本图增强所使用的增强方式和基于增强方式的增强范围；
5、步骤s3，确定原始样本图增强后的典型样例；
6、步骤s4，预览典型样例并且对典型样例所使用的增强方式和基于增强方式的增强参数进行优化；以及，
7、步骤s5，根据优化后的增强方式和基于增强方式的增强参数，重新确定原始样本图所使用的增
8、作为机器视觉深度学习样本增强预览方法的优选方案，步骤s1中，对原始样本图的特征区域进行标注和/或标签分类。
9、作为机器视觉深度学习样本增强预览方法的优选方案，步骤s2中，增强方式选自随机比例缩放、随机扩展、随机旋转、随机剪裁、填充颜色、随机翻转、随机色彩扰动中的至少一者。
10、作为机器视觉深度学习样本增强预览方法的优选方案，步骤s3中，根据确定的增强方式和基于增强方式的增强范围的边界值，对原始样本图或原始样本图的抽样进行增强，得到典型样例。
11、作为机器视觉深度学习样本增强预览方法的优选方案，步骤s4中，向预览者展示典型样例本身、典型样例所使用的增强方式和基于增强方式的增强参数、典型样例所对应的原始样本图。
12、作为机器视觉深度学习样本增强预览方法的优选方案，步骤s4中，调整典型样例所使用的增强方式和基于增强方式的增强参数，直至典型样例符合机器视觉深度学习的样本需求。
13、作为机器视觉深度学习样本增强预览方法的优选方案，步骤s4中，根据调整的增强方式和基于增强方式的增强参数，更新典型样例。
14、作为机器视觉深度学习样本增强预览方法的优选方案，步骤s5中，根据调整后的典型样例所使用的增强方式和基于增强方式的增强参数修改原始样本图所使用的增强方式和基于增强方式的增强范围的边界值。
15、本专利技术进一步提供一种计算机。所述计算机包括处理器和存储器。所述存储器中存储有至少一条指令。所述指令由所述处理器加载并执行以实现所述的机器视觉深度学习样本增强预览方法所执行的操作。
16、本专利技术进一步提供一种存储介质。所述存储介质中存储有至少一条指令。所述指令由处理器加载并执行以实现所述的机器视觉深度学习样本增强预览方法所执行的操作。
17、与现有技术相比，本专利技术的有益效果至少在于：相对于海量的增强样本图，典型样例的数量是相当有限的，通过人工预览典型样例，能够直观地了解到增强样本图的增强效果，及时发现原始样本图所使用的增强方式和基于增强方式的增强范围所存在的问题并且解决该问题，从而提高模型训练效率和结果可控性。
18、除了上面所描述的本专利技术解决的技术问题、构成技术方案的技术特征以及由这些技术方案的技术特征所带来的有益效果之外，本专利技术所能解决的其他技术问题、技术方案中包含的其他技术特征以及这些技术特征带来的有益效果，将结合附图作出进一步详细的说明。
本文档来自技高网...【技术保护点】
1.机器视觉深度学习样本增强预览方法，其特征在于，包括：
2.根据权利要求1所述的机器视觉深度学习样本增强预览方法，其特征在于，步骤S1中，对原始样本图的特征区域进行标注和/或标签分类。
3.根据权利要求1所述的机器视觉深度学习样本增强预览方法，其特征在于，步骤S2中，增强方式选自随机比例缩放、随机扩展、随机旋转、随机剪裁、填充颜色、随机翻转、随机色彩扰动中的至少一者。
4.根据权利要求1所述的机器视觉深度学习样本增强预览方法，其特征在于，步骤S3中，根据确定的增强方式和基于增强方式的增强范围的边界值，对原始样本图或原始样本图的抽样进行增强，得到典型样例。
5.根据权利要求1所述的机器视觉深度学习样本增强预览方法，其特征在于，步骤S4中，向预览者展示典型样例本身、典型样例所使用的增强方式和基于增强方式的增强参数、典型样例所对应的原始样本图。
6.根据权利要求1所述的机器视觉深度学习样本增强预览方法，其特征在于，步骤S4中，调整典型样例所使用的增强方式和基于增强方式的增强参数，直至典型样例符合机器视觉深度学习的样本需求。<...
【技术特征摘要】
1.机器视觉深度学习样本增强预览方法，其特征在于，包括：
2.根据权利要求1所述的机器视觉深度学习样本增强预览方法，其特征在于，步骤s1中，对原始样本图的特征区域进行标注和/或标签分类。
3.根据权利要求1所述的机器视觉深度学习样本增强预览方法，其特征在于，步骤s2中，增强方式选自随机比例缩放、随机扩展、随机旋转、随机剪裁、填充颜色、随机翻转、随机色彩扰动中的至少一者。
4.根据权利要求1所述的机器视觉深度学习样本增强预览方法，其特征在于，步骤s3中，根据确定的增强方式和基于增强方式的增强范围的边界值，对原始样本图或原始样本图的抽样进行增强，得到典型样例。
5.根据权利要求1所述的机器视觉深度学习样本增强预览方法，其特征在于，步骤s4中，向预览者展示典型样例本身、典型样例所使用的增强方式和基于增强方式的增强参数、典型样例所对应的原始样本图。
6.根据权利要求1所述的机器视觉深度学习样本增强预览方法，其特征在于，步骤...
【专利技术属性】
技术研发人员：由淋元，邵晨哲，王佩君，金秉文，王旭龙琦，
申请(专利权)人：杭州利珀科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。