[发明专利]图像数据增强方法、装置、计算机设备和存储介质

说明书

本发明提供的一种图像数据增强方法、装置、计算机设备和存储介质，通过利用卷积神经网络的对图像进行处理得到热力图，借助热力图来对图像上的各区域进行增强，改变现有技术中图像主体部分遭到破坏的情况，同时使新生成的样本与原始样本有较大的差异，在保留主要特征的同时提供了更丰富的次要特征，为样本分布不均匀的数据集补充缺乏的数据，并且具有较大的扩充力度。

技术领域

本发明涉及到图像处理技术领域，特别是涉及到一种图像数据增强方法、装置、计算机设备和存储介质。

背景技术

由于数据集对深度学习算法的效果有较大的影响，数据集样本数量过少或不均衡常常会导致深度神经网络过拟合。提高数据集数据量和质量是深度学习领域经久不衰的研究课题，然而有些数据的采集成本贵、耗时长，很难获取大规模数据集，尤其是像医学影像这种获取难度大、数据量少、数据分布不均匀的数据，常常出现阴性样本数量只占阳性样本数量十分之一的情况，这时就需要利用数据增强来扩充数据集。数据增强利用已有样本生成新的样本，可以避免网络过拟合，提升模型鲁棒性和泛化能力，在计算机视觉领域，基础的图像数据增强方法有翻转、缩放、平移、旋转、抖动等，对于分类任务有mixup、cutout、cutmix等数据增强方法，但这些方法有时无法提供差异化的特征，或者使生成的新样本失真，图像主体部分被破坏。

发明内容

本发明的主要目的为提供一种图像数据增强方法，能够解决现有技术中无法提供差异化的特征，或者使生成的新样本失真，图像主体部分被破坏的技术问题。

本发明提供的一种图像数据增强方法，包括：

在样本数据集中获取第一图像，对所述第一图像进行处理得到所述第一图像的热力图；

基于预设的像素阈值对所述热力图进行处理二值化处理，得到第一二值化图像；

对所述第一二值化图像进行取非，得到第二二值化图像；

在所述样本数据集中获取第二图像，将所述第一图像的像素点与所述第一二值化图像的像素点逐点相乘得到的图像与将所述第二图像的像素点与所述第二二值化图像的像素点逐点相乘得到的图像相加，得到样本图像。

进一步，所述在样本数据集中获取第一图像，对所述第一图像进行处理得到所述第一图像的热力图的步骤，包括：

通过所述卷积神经网络对所述第一图像进行特征提取，得到所述卷积神经网络最后一个卷积层的特征图；

计算所述特征图的各通道的梯度；

通过所述梯度对所述特征图的各个通道进行加权后利用ReLU函数激活，得到第一热力图；

将所述第一热力图缩放至与所述第一图像的大小保持一致，得到所述第一图像的热力图。

进一步，所述将所述第一热力图缩放至与所述第一图像的大小保持一致，得到所述第一图像的热力图的步骤，包括

采用插值法对所述第一热力图进行缩放处理，以得到所述第一图像的热力图。

进一步，所述在所述样本数据集中获取第二图像，将所述第一图像的像素点与所述第一二值化图像的像素点逐点相乘得到的图像与将所述第二图像的像素点与所述第二二值化图像的像素点逐点相乘得到的图像相加，得到样本图像的步骤之后，包括：

将所述样本图像进行直方图均衡化得到新的样本图像。

进一步，所述在样本数据集中获取第一图像，对所述第一图像进行处理得到所述第一图像的热力图的步骤之前，包括：

利用滑动窗口算法对所述第一图像进行多次切割，获得多个切割图像；

将所述切割图像进行多角度翻转后再拼接，获得增强的第一图像。