针对当下使用神经网络算法检测目标时,普遍存在的真实数据量缺乏,人为采集难度大,图像标注工作繁琐等问题,提出一种基于卷积神经网络的图像数据增强方法。通过对原始图像数据进行几何变换、水平翻转,改变图像像素位置并保证其对应特征不变,实现数据量呈指数型增长。通过模拟不同的光照条件和拍摄角度,丰富数据库种类的多样性,提高实际检测的鲁棒性。实验结果表明,在对图像数据进行增强处理后,训练出的神经网络模型对于目标的检测性能更高。
科研之友
微信
新浪微博
Facebook
分享链接
