[发明专利]一种图像增广方法、装置、电子设备及存储介质

说明书

本申请涉及一种图像增广方法、装置、电子设备及存储介质，包括获取初始图像集，初始图像集中包括多个包含有目标对象的初始图像，多个初始图像中的每个初始图像携带有目标对象的标识信息，对每个初始图像进行组合变换处理，得到每个初始图像对应的第一图像集合，对每个初始图像对应的第一图像集合进行图像叠加聚合处理，得到每个初始图像对应的第二图像，基于每个初始图像和每个初始图像对应第二图像构建目标图像集，目标图像集中每个目标图像携带有目标对象的标识信息。基于本申请实施例可以实现图像增广，以扩充数据规模，改善网络的泛化性，降低过拟合的风险。

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种图像增广方法、装置、电子设备及存储介质。

背景技术

自动驾驶车辆通过感知系统获取车辆自身信息和周围行驶环境信息，并回传至处理器进行分析、计算和处理，从而做出决策控制执行系统实现车辆的动作。其中，交通灯检测与识别是自动驾驶车辆视觉环境感知的重要功能之一，自动驾驶系统通过相机获取行驶环境图像，在图像中对交通灯进行标注，从而实现感知车辆行驶环境的道路交通灯，使自动驾驶车辆能够在不违反交通法规的前提下自主地通过交通路口。

自动驾驶系统通过深度学习技术对获取的图像标注数据进行训练，随着基于深度学习的计算机视觉技术的发展，对用于模型训练的图像标注数据的需求日益增加，但是通过数据的采集与人工标注的流程周期较长，因此目前此类数据集的数量还十分欠缺，难以支撑先进的算法与模型的训练及部署。

发明内容

本申请实施例提供了一种图像增广方法、装置、电子设备及存储介质，用于提高数据集多样性，增加了用于神经网络模型训练的数据，有利于加强神经网络训练模型的泛化能力，降低过拟合的风险。

本申请实施例提供了一种图像增广方法，该方法包括：

获取初始图像集，初始图像集中包括多个包含有目标对象的初始图像；多个初始图像中的每个初始图像携带有目标对象的标识信息；

对每个初始图像进行组合变换处理，得到每个初始图像对应的第一图像集合；第一图像集合包括多个第一图像；

对每个初始图像对应的第一图像集合进行图像叠加聚合处理，得到每个初始图像对应的第二图像；

基于每个初始图像和每个初始图像对应第二图像构建目标图像集；目标图像集中每个目标图像携带有目标对象的标识信息。

进一步地，对每个初始图像进行组合变换处理，得到每个初始图像对应的第一图像集合，包括：

基于N种组合变换方式对每个初始图像进行变换，得到每个初始图像对应的N个第一图像；N为大于等于1的整数；

基于N个第一图像确定第一图像集合；

N种组合变换方式中的任意两种组合变换方式不相同；且N种组合变换方式中任意一种组合变换方式至少包括翻转处理、平移处理、旋转处理、缩放处理和裁剪处理中的一种。

进一步地，对每个初始图像对应的第一图像集合进行图像叠加聚合处理，得到每个初始图像对应的第二图像，包括：

确定第一图像集合中每个第一图像对应的权重值；

基于每个第一图像和每个第一图像对应的权重值，得到第五图像；

确定初始图像对应的第一聚合权重值和第五图像对应的第二聚合权重值；

基于初始图像、第一聚合权重值、第五图像和第二聚合权重值进行聚合，得到第二图像。

进一步地，该方法还包括：

确定目标对象在每个初始图像中的第一位置信息；