基于平均绝对误差的烟虫数据增强模型训练方法

专利申请号：CN202310402213.6

公 开 号：CN116385852A

发 明 人：杨光露 李春松 胡宏帅 杨学辉 崔廷 李琪 文金昉 鲁晓平 周广旭 牛启帆 张焕龙 张杰 

代 理 人：常小溪

代理机构：北京维澳知识产权代理有限公司

专利类型：发明专利

申 请 日：20230704

公 开 日：20230413

专利主分类号：G06V10/82

关 键 词：烟虫 平均绝对误差 激活函数 算法 计算机视觉 数据预处理 场景 关键技术 均方误差 模型算法 模型训练 数据保障 数据采集 数据增强 图片数据 图像增强 网络训练 线性单元 真实图像 重构图像 数据集 稳健性 准确率 样式 多样性 检测 图片 改进 学习 

摘      要：本发明公开了一种基于平均绝对误差的烟虫数据增强模型训练方法，结合计算机视觉与深度学习的数据预处理技术，对用来进行烟虫识别的检测模型算法基于特定场景进行改进，将激活函数改为指数线性单元激活函数，极大地避免了梯度消失的问题，保障了算法的稳健性，并将均方误差改为采用重构图像与真实图像的平均绝对误差，有效提高生成图片的多样性。本发明可以生成烟虫数量及位置皆有变化的多样式图片，将有限的图片数据集扩充到足以进行网络训练的数据集，在实现对不同场景下烟虫图像增强的同时，极大地降低了数据采集的成本，并有效提高烟虫识别算法准确性和泛化能力，为提升烟虫识别技术的准确率提供了数据保障与关键技术支持。