[发明专利]一种图像样本扩充方法、装置及存储介质

说明书

本申请公开了一种图像样本扩充方法、装置及存储介质，涉及图像处理领域，用以解决在样本集中的样本数量有限时，使得神经网络模型训练的效果较差的问题。该方法包括：从用于神经网络训练的样本集合中选取图像类型相同的至少两张样本图像；以预设的融合系数对选取的样本图像的像素进行融合处理，生成用于神经网络训练的扩充图像。这样，在样本集中的样本数量有限时，通过将样本集中的样本图像进行融合处理，可以得到新的图像，从而使得样本集中的样本数量增多，从而提高了神经网络模型训练的效果。

技术领域

本申请涉及图像处理领域，尤其涉及一种图像样本扩充方法、装置及存储介质。

背景技术

在图像识别领域，通常会使用深度学习方法进行图像识别，而在进行深度学习时，需要通过样本集对神经网络模型进行训练，为了使神经网络模型能够准别的进行图像识别，需要的样本数量越多越好。在现有技术中，若样本集中的样本数量有限，则会使得神经网络模型训练的效果较差。

发明内容

本申请实施例提供一种图像样本扩充方法、装置及存储介质，用以解决在样本集中的样本数量有限时，使得神经网络模型训练的效果较差的问题。

第一方面，本申请实施例提供一种图像样本扩充方法，该方法包括：

从用于神经网络训练的样本集合中选取图像类型相同的至少两张样本图像；

以预设的融合系数对选取的样本图像的像素进行融合处理，生成用于神经网络训练的扩充图像。

上述方法，通过将至少两张图像类型相同的图像的各像素点进行融合，从而可以得到一个新的图像，这样，在样本集中的样本数量有限时，通过将样本集中的样本图像进行融合处理，可以得到新的图像，从而使得样本集中的样本数量增多，从而提高了神经网络模型训练的效果。

在一种可能的实现方式中，所述从用于神经网络训练的样本集合中选取图像类型相同的至少两张样本图像，包括：

根据预设的扩充图像数量，从用于神经网络训练的样本集合中选取图像类型相同的至少两张样本图像；

所述以预设的融合系数对选取的样本图像的像素进行融合处理，生成用于神经网络训练的扩充图像之后，所述方法还包括：

以所述样本图像m张、所述扩充图像n张的方式交替输入到神经网络模型中训练；其中，m和n为所述样本图像的数量和所述扩充图像的数量的比例关系中的比例系数。

上述方法，将样本图像和扩充图像依次交替输入到神经网络模型中训练，可以使神经网络模型训练的结果更加准确。

在一种可能的实现方式中，所述从用于神经网络训练的样本集合中选取图像类型相同的至少两张样本图像，包括：

满足预设的选取条件后，从用于神经网络训练的样本集合中选取图像类型相同的至少两张样本图像；其中，所述选取条件包括以下中的部分或全部：

接收到用于生成扩充图像的扩充指令；

生成的所述扩充图像的数量小于预设扩充数量。

上述方法，通过选取条件进行选取图像，这样，在知道了所需扩充图像的数量后，可以自动选取图像，直到生成满足数量的扩充图像。

在一种可能的实现方式中，所述以预设的融合系数对选取的样本图像的像素进行融合处理，生成用于神经网络训练的扩充图像，包括：

以所述融合系数为权重因子对选取的样本图像中同一位置像素点的像素值进行加权求和，得到该像素点融合后的像素值；

根据各像素点融合后的像素值得到所述扩充图像。

上述方法，通过将多张图像在同一位置像素点的像素值进行加权求和，可以得到一张新的扩充图像。