[发明专利]对弱势交通参与者中稀有类别进行数据增强的方法和系统

权利要求书

1.一种用于对弱势交通参与者中的稀有类别进行数据增强的方法，所述方法包括以下步骤：

S1：获取弱势交通参与者的原始数据样本；

S2：对所述原始数据样本进行预处理，以提取出稀有类别；

S3：基于生成式模型对所述稀有类别的数据进行定向生成，以形成附加数据样本；以及

S4：将所生成的附加数据样本与原始数据样本混合，以形成平衡数据样本。

2.根据权利要求1所述的方法，其中，所述稀有类别是按照社会属性进行划分的如下类别：在所述类别下的数据样本数量不大于原始数据样本数量的15％、优选13％、更优选10％。

3.根据权利要求1或2所述的方法，其中，所述步骤S1包括：以确定的时间间隔采集弱势交通参与者的图像。

4.根据权利要求1-3中任一项所述的方法，其中，所述步骤S2包括：

在获取的原始数据样本中，为图像数据中的弱势交通参与者划定边界框，并通过边界框对图像数据进行分割；以及

对分割出的图像数据进行标注，其中，标注信息至少包括所述弱势参与者的类别。

5.根据权利要求4所述的方法，其中，所述标注包括：通过人工标注和/或通过借助姿态检测网络或人物检测模型的自动标注来对弱势交通参与者的姿态信息进行标注。

6.根据权利要求1-5中任一项所述的方法，其中，所述步骤S3包括：提取出稀有类别的数据样本图像中的姿态信息和外观信息，将所提取的姿态信息和外观信息分别输入到生成式模型中，以生成混合复原图像。

7.根据权利要求1-6中任一项所述的方法，其中，所述生成式模型是生成对抗神经网络或变分自编码及其衍生模型。

8.根据权利要求1-7中任一项所述的方法，其中，所述方法还包括：

使用混合形成的平衡数据样本对弱势交通参与者分类模型进行训练；以及

借助模型评价方法、尤其混淆矩阵来对在使用平衡数据样本情况下的训练结果进行评估。

9.一种用于对弱势交通参与者中的稀有类别进行数据增强的系统(30)，所述系统包括：

数据获取模块(31)，其配置成能够获取弱势交通参与者的原始数据样本；

预处理模块(32)，其配置成能够对所述原始数据样本进行预处理，以提取出稀有类别；

数据生成模块(33)，其配置成能够基于生成式模型对稀有类别的数据进行定向生成，以形成附加数据样本；以及

混合模块(34)，其配置成能够将所生成的附加数据样本与原始数据样本混合，以形成平衡数据样本。

10.一种机器可读的存储介质，在其上存储有计算机程序，所述计算机程序用于当其在计算机上运行时能够实施根据权利要求1-8中任一项所述的方法。