[发明专利]一种数据平衡方法和系统、计算机设备和介质

说明书

本发明公开了一种样本数量不均衡的数据平衡方法和系统、计算机设备和介质，数据平衡方法包括：根据第一目标检测框从已标注的样本图像中获取第一数量的第一样本图像，根据第二目标检测框从已标注的样本图像中获取第二数量的第二样本图像，第一数量大于第二数量至少一个数量级；利用第一样本图像训练和预测预设置的检测模型，并根据检测模型输出的检测结果删除冗余的第一样本图像；再根据第二样本图像获取第二目标检测拟合曲线和第二目标检测增强范围，并随机搜索各样本图像的空白区域，并将第二目标检测框随机合成到空白区域以生成第二样本增强图像。本发明提供的实施例一方面删除冗余的第一样本图像，另一方面增强第二样本图像以实现数据平衡。

技术领域

本发明涉及深度学习技术领域，特别是涉及一种样本数量不均衡的数据平衡方法和系统、计算机设备和介质。

背景技术

深度学习中经典假设中往往假定训练样本各类别是同等级数量，即各类样本数目是均衡的，但是真实场景中遇到的实际问题却常常不符合这个假设。一般来说，不平衡样本会导致训练模型侧重样本数目较多的类别，而“轻视”样本数目较少类别，这样模型在测试数据上的泛化能力就会受到影响。

发明内容

为了解决上述问题至少之一，本发明第一个实施例提供一种样本数量不均衡的数据平衡方法，包括：

S1：根据第一目标检测框从已标注的样本图像中获取第一数量的第一样本图像，按照预设置的第一比例将包含所述第一目标检测框的样本图像划分为训练样本和测试样本；

S2：利用所述训练样本训练预设置的检测模型，利用训练后的检测模型预测所述测试样本并输出检测结果，根据所述检测结果筛选出满足预设置的置信度阈值的第一目标置信框；

S3：按照预设置的第二比例从所述测试样本的各样本图像中随机删除所述第一目标置信框；

S4：根据第二目标检测框从已标注的样本图像中获取第二数量的第二样本图像和该第二样本图像在对应的样本图像中的坐标位置，根据所述第二数量的第二样本图像和坐标位置进行线性回归以获取第二目标检测拟合曲线，其中，所述第一数量大于所述第二数量至少一个数量级；

S5：根据预设置的扰动阈值对所述第二目标检测拟合曲线进行扰动以获取第二目标检测增强范围；

S6：根据所述第二目标检测框和第二目标检测增强范围随机搜索各样本图像的空白区域，并将所述第二目标检测框随机合成到所述空白区域以生成第二样本增强图像。

在一些可选的实施例中，所述S3进一步包括：

S31：按照预设置的第二比例从所述测试样本的各样本图像中随机选择待删除的第一目标置信框；

S32：使用所述待删除的第一目标置信框对应的样本图像的各通道均值覆盖所述待删除的第一目标置信框。

在一些可选的实施例中，所述第二目标检测拟合曲线为：

其中，h为线性回归后形成的第二目标检测拟合框的高度，x为所述第二目标检测拟合框距离原点最近点的横坐标值，y为所述距离原点最近点的纵坐标值，w为所述第二目标检测拟合框的宽度，a和b为线性回归拟合的参数。

在一些可选的实施例中，所述第二目标检测增强范围为：

h’＝h±Δα；

其中，h’为扰动后形成的第二目标检测增强框的高度，h为所述第二目标检测拟合框的高度，Δα为预设置的扰动阈值。

在一些可选的实施例中，在所述S3之后，在所述S6之前，所述数据平衡方法还包括：获取各样本图像中所述第一目标检测框的检测框数量；

所述S6进一步包括：