[发明专利]一种目标检测及语义分割任务中训练图像集合的生成方法及装置

说明书

本申请提供一种目标检测及语义分割任务中训练图像集合的生成方法及装置，包括对待检测大图像进行切分处理，得到切分图像，切分图像包括含目标特征的切分图像和不含目标特征的背景样本图像；将含目标特征的切分图像作为有缺陷样本添加至训练集；对待检测大图像进行区域划分，得到背景图像区域；在背景图像区域中，随机选取背景样本图像，并添加至所述训练集，得到训练图像集合，背景样本图像的数量根据有缺陷样本的数量及待检测大图像的背景比例计算。本申请通过将含有目标特征的切分图像以及随机选取的背景样本图像作为训练图像集合进行训练，避免了将背景样本图像全部输入至训练图像集合中，由于训练图像的数量较多，导致训练效率低下的问题。

技术领域

本申请涉及图像目标检测技术领域，尤其涉及一种目标检测及语义分割任务中训练图像集合的生成方法及装置。

背景技术

在图像处理领域中，一般会采用目标检测算法(Detection)和语义分割算法(Segmentation)提取带有标签的图像的目标特征。目标检测算法(Detection)和语义分割算法(Segmentation)是深度学习计算机视觉(CV)领域两个非常重要的方向，目标检测算法通过对一系列带有标签的图像进行训练，提取目标特征，并用于预测新输入的带有标签的图像中是否含有该目标特征；若含有该目标特征，则目标检测算法通过矩形检测框对该目标特征进行标示。语义分割算法通过对输入的带有标签的图像中的每一个像素的所属类别进行标注，并将属于相同类别的像素分割为一个部分。

通过目标检测算法和语义分割算法对一系列带有标签的图像进行训练后，即可得到训练好的目标检测及语义分割模型。由于目标检测及语义分割模型中的训练资源有限，不能直接对带有标签且分辨率过大的图像(图像分辨率较大，需要提取的目标特征较小)进行训练。因此，在训练之前，需要对输入的带有标签且分辨率过大的图像进行切分处理。

对带有标签且分辨率过大的图像进行切分处理后的切分小图(图像分辨率较小)，可以直接输入至目标检测及语义分割模型中进行训练。但是如果切分之前的图像分辨率过大，切分处理后得到的切分小图的数量会非常庞大，得到的训练图像集合中包含的切分小图数量会比较多，若将所有的切分小图都输入至目标检测及语义分割模型中进行训练，则会导致训练周期过长，从而影响目标检测及语义分割模型的训练效率。

发明内容

本申请提供了一种目标检测及语义分割任务中训练图像集合的生成方法及装置，以解决现有技术中的将所有的切分小图都输入至目标检测及语义分割模型中进行训练，会导致训练周期过长，从而影响目标检测及语义分割模型的训练效率的问题。

一方面，本申请提供一种目标检测及语义分割任务中训练图像集合的生成方法，包括以下步骤：

对待检测大图像进行切分处理，得到切分图像，其中，切分处理包括重叠切分方案和以目标特征为中心的平移切分方案，所述切分图像包括含目标特征的切分图像和不含目标特征的背景样本图像；

将所述含目标特征的切分图像作为有缺陷样本添加至训练集；

对所述待检测大图像进行区域划分，得到不同的背景图像区域；

在所述背景图像区域中，随机选取一定数量的所述背景样本图像，并添加至所述训练集，得到训练图像集合，其中，所述背景样本图像的数量根据所述有缺陷样本的数量以及所述待检测大图像的背景比例进行计算。

采用上述技术方案，可以解决现有技术中训练图像集合的数量较多，导致训练效率低下的问题；同时，背景样本图像也并非全部被输入至训练图像集合中进行训练，解决了现有技术中背景样本图像占比过高，导致的训练结果精度不足；若不对背景样本图像进行训练，则会导致训练得到的模型误检率过高的问题。

在本申请的较佳实施例中，若所述待检测大图像中的目标特征被遮挡，则采用重叠切分方案对所述待检测大图像进行切分处理，得到含目标特征的重叠切分图像。