[发明专利]一种降低目标检测中样本不均衡影响的方法和系统

权利要求书

1.一种降低目标检测中样本不均衡影响的方法，样本Y₀包括M个不关注的样本Y₁和N个关注的样本Y₂；M大于N；其特征在于：至少包括如下步骤：

步骤一：对样本Y₂进行变换；获得样本Y₂₁；

步骤二：将样本Y₂和样本Y₂₁进行叠加得到样本Y₃；

步骤三：将样本Y₃和样本Y₀输入学习机进行训练；

步骤四：检验训练结果是否符合要求，若不符合要求，则对所述变换方式和或叠加方式和或样本Y₀的类别和数量进行调整。

2.基于权利要求1所述降低目标检测中样本不均衡影响的方法，其特征在于，在叠加过程中，对样本Y₁进行变换。

3.基于权利要求1或2所述降低目标检测中样本不均衡影响的方法，其特征在于，所述变换包括图像缩放、图像翻转、图像扭曲、图像模糊、图像配色、改变透明度、增加噪点、调整对比度、调整亮度中的一种或者多种。

4.基于权利要求1所述降低目标检测中样本不均衡影响的方法，其特征在于，所述叠加包括：遮掩、合成、色彩色域变换叠加、滤波后叠加、裁剪后叠加中的一种或者多种。

5.基于权利要求1所述降低目标检测中样本不均衡影响的方法，其特征在于，所述步骤三采用深度人工神经网络进行训练。

6.基于权利要求1所述降低目标检测中样本不均衡影响的方法，其特征在于，所述深度人工神经网络包括函数F(X)，该函数F(X)的输入为样本的图像部分X，输出为样本的标签部分Y，每一次训练将全部样本的图像输入完毕并得到预测的标签F(X)都会优化，优化的目标是使得Loss函数最小；

所述Loss函数如下式所述：

其中：α_c是用以标识样本类别权重的因子，不同类别的样本使用不同的α_c，α_c越大表示该类样本数越小，越需要加大权重；

m为目标检测任务中欲识别的所有目标类枚举数；

c为单个样本所在的目标类；

γ_c为对(1-p_y,c)的注意力调节因子,γ越大表示该类越受关注；

y_c为类别标签值；

p_y,c则为F(X)预测出后，属于c类的概率。

7.一种降低目标检测中样本不均衡影响的系统，样本Y₀包括M个不关注的样本Y₁和N个关注的样本Y₂；M大于N；其特征在于：至少包括：

变换模块：对样本Y₂进行变换；获得样本Y₂₁；

叠加模块：将样本Y₂和样本Y₂₁进行叠加得到样本Y₃；

学习模块：将样本Y₃和样本Y₀输入学习机进行训练；

判断模块：检验训练结果是否符合要求，若不符合要求，则对所述变换方式和或叠加方式和或样本Y₀的类别和数量进行调整。

8.一种实现权利要求1-6任一项所述降低目标检测中样本不均衡影响的方法的计算机程序。

9.一种实现权利要求1-6任一项所述降低目标检测中样本不均衡影响的方法的信息数据处理终端。

10.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-6任一项所述的降低目标检测中样本不均衡影响的方法。