[发明专利]扩充数据的方法、装置和计算机设备

说明书

本申请涉及大数据技术，揭示了扩充数据的方法，包括：获取人脸图片集和背景图片集，其中，背景图片集中的背景图片无人脸图像；将人脸图片集和背景图片集通过笛卡尔积运算，得到组合数据集，其中，组合数据集中的每个数据元素，均包括一张人脸图片和一张背景图片；将组合数据集中的每个数据元素中包括的人脸图片和背景图片，分别融合为一张新图片；将每个数据元素对应的新图片组合为数据扩充集。通过在融合过程中保持人脸图片中对应的人脸框标签值不变，仅通过替换不同的背景图片，完成原始人脸图片实质内容的改变，增加图片数据的多样性和丰富度，实现图片数据的数量扩充。

技术领域

本申请涉及大数据领域，特别是涉及到扩充数据的方法、装置和计算机设备。

背景技术

深度神经网络的训练需要大量的标签数据，使深度神经网络在大量数据中学习和提取数据中的隐藏模式，并通过学习到的隐藏模式对新数据做出推理。当把深度神经网络应用到人脸检测领域时，最常用的开源人脸检测数据集WiderFace，只包含了12880张图片，就算是按照人脸数量来算，也只有约17万个人脸，且数据还不均衡。人脸检测数据集的标签值是人脸位置的矩形框的坐标值。为获得更多的数据量，提高深度神经网络的训练效果，现常用的数据扩充方式包括：对图片和矩形框做相同的仿射变换产生新数据，比如旋转、缩放、平移等。但是这种数据扩充方式只是使图片产生了几何形变，并没有改变图片上内容，比如图片中的人还是处于同样的背景下，并没有解决数据多样性的问题。

发明内容

本申请的主要目的为提供数据处理方法，旨在解决现有数据扩充方式不能解决数据多样性的技术问题。

本申请提出一种扩充数据的方法，包括：

获取人脸图片集和背景图片集，其中，所述背景图片集中的背景图片无人脸图像；

将所述人脸图片集和所述背景图片集通过笛卡尔积运算，得到组合数据集，其中，所述组合数据集中的每个数据元素，均包括一张人脸图片和一张背景图片；

将所述组合数据集中的每个数据元素中包括的人脸图片和背景图片，分别融合为一张新图片；

将每个所述数据元素对应的新图片组合为数据扩充集。

优选地，所述将所述组合数据集中的每个数据元素中的人脸图片和背景图片，分别融合为一张新图片的步骤，包括：

计算所述人脸图片的面积区域和背景图片的面积区域的并集面积区域；

在所述并集面积区域上生成空白图片；

将所述人脸图片和背景图片，按照左上角对齐的方式，覆盖于所述空白图片上；

在指定融合比下，将所述人脸图片和背景图片，融合于所述空白图片上，形成所述新图片。

优选地，所述在指定融合比下，将所述人脸图片和背景图片，融合于所述空白图片上，形成所述新图片的步骤，包括：

根据将所述背景图片的像素点融合到所述空白图片上，生成第一融合图片，其中，(x,y)表示所述空白图片上的像素位置，b(i)表示所述背景图片，p(e,x,y)表示所述空白图片上的像素位置(x,y)的像素值，p(b(i),x,y)表示所述背景图片上的像素位置(x,y)的像素值，p`(e,x,y)表示所述第一融合图片上的像素位置(x,y)的像素值；

根据将所述人脸图片的像素点融合至所述第一融合图片中，生成第二融合图片，其中，r表示所述指定融合比，数值范围属于[0.5,1]，a(m)表示所述人脸图片，p(a(m),x,y)表示所述人脸图片上的像素位置(x,y)的像素值，p``(e,x,y)表示所述第二融合图片上的像素位置(x,y)的像素值。

优选地，所述在指定融合比下，将所述人脸图片和背景图片，融合于所述空白图片，形成所述新图片的步骤之前，包括：