[发明专利]一种针对人群活动性质判别的数据增强方法和系统

权利要求书

1.一种针对人群活动性质判别的数据增强方法，其特征在于，包括：

S1：准备人群活动训练数据集、人群活动性质判别的预训练模型，用以生成热力图；

S2：从所述人群活动训练数据集中随机提取一个数据对，使用像素级线性混合增强策略，利用线性组合混合图像与标签；

S3：使用区域级仿射拼接增强策略，通过剪切粘贴操作拼接图像，根据面积比混合标签；

S4：通过强化类梯度激活可视化策略，提取输出类激活热图，执行图像二次混合增强与标签融合，形成以二次混合图像增强数据集，用以扩充原数据集。

2.根据权利要求1所述的针对人群活动性质判别的数据增强方法，其特征在于，所述预训练模型包括xception或Senet，所述人群活动训练数据集定义为{(I_i，Y_i)|i＝0，1，....N-1}，其中，I_i∈R³×W×H为标准RGB图像，Y_i为图像标签。

3.根据权利要求2所述的针对人群活动性质判别的数据增强方法，其特征在于，所述S2具体为：从所述人群活动训练数据集中随机提取一个数据对{(I₁，Y₁)，(I₂，Y₂)}，设定两个参数b₁、b₂从一个贝塔分布Beta(b₁，b₂)中提取两对比例参数(γ₁，γ₂)，(γ₃，γ₄)；利用线性组合混合图像和标签：I_M1＝γ₁×T_s(I₁)+(1-γ₁)×T_s(I₂)；U_a＝γ₁，U_b＝1-γ₁；Y_M1＝U_a×Y₁+U_b×Y₂；其中I_M1为混合后的图像，Y_M1为相应的混合标签，T_s为满足融合形态尺度要求的随机同类型数据增强函数。

4.根据权利要求3所述的针对人群活动性质判别的数据增强方法，其特征在于，所述S3具体表示为：Q_a＝1-γ₂，Q_b＝γ₂；Y_M2＝Q_a×Y₁+Q_b×Y₂；其中I_M2为拼接后的图像，Y_M2为相应的混合标签，T_s为满足融合形态尺度要求随机同类型数据增强函数。

5.根据权利要求4所述的针对人群活动性质判别的数据增强方法，其特征在于，所述S4中通过强化类梯度激活可视化策略，提取输出类激活热图具体表示为：其中表示为第C个类别求取的类激活热图，i，j表示像素坐标，为激活注意力掩码，为自适应系数，为第k个特征图谱，对L^c进行上采样，使其尺寸与输入图像一致，获得对进行语义图映射，使其个像素总和为1。

6.根据权利要求5所述的针对人群活动性质判别的数据增强方法，其特征在于，所述S4中图像二次混合增强具体为：其中和是两个二进制掩模，包含面积比为γ₃的随机框区域和面积比为γ₄的随机框区域，TR_θ为转换函数，将I_M2的最终裁剪区域转换为匹配I_M1的框区域；标签融合方法为：Y_Mix＝C_a×Y_M1+Cb×Y_M2，其中，C_a，C_b为二次混合标签的语义权重。