买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江西农业大学

摘要：本发明公开了一种基于MTS多网络模型的农业害虫图像数据增强方法及系统，该方法包括：获取农业害虫图像，并自定义背景新建农业害虫图像数据集；对农业害虫图像数据集中的农业害虫图像分别进行直接增强与元学习增强，分别输出农业害虫增强图像；基于预设的对抗网络对农业害虫增强图像进行筛选，输出第一过程图像；对第一过程图像进行质量检测，以输出第二过程图像；提取第二过程图像中的重构特征，并将重构特征存入表征库中；将新获取的目标图像的重构特征与表征库中存入的重构特征进行对比，将大于预设阈值的图像存入图像库中，得到增强数据集。本发明解决了进行农业害虫图像增强时，存在调参困难，合成图像质量较低不适用于数据增强的问题。

主权项：1.一种基于MTS多网络模型的农业害虫图像数据增强方法，其特征在于，MTS多网络模型为基于元学习的多阶段图像域迁移、双阶段形变生成对抗网络、基于闵可夫斯基距离的合成图像筛选的多网络模型，所述方法包括：获取农业害虫图像，并自定义背景新建农业害虫图像数据集；对所述农业害虫图像数据集中的农业害虫图像分别进行直接增强与元学习增强，分别输出农业害虫增强图像；基于预设的对抗网络对所述农业害虫增强图像进行筛选，输出第一过程图像；对所述第一过程图像进行质量检测，以输出第二过程图像；提取所述第二过程图像中的重构特征，并将所述重构特征存入表征库中；将新获取的目标图像的重构特征与所述表征库中存入的重构特征进行对比，将大于预设阈值的图像存入图像库中，以得到农业害虫的增强数据集；其中，基于预设的对抗网络对所述农业害虫增强图像进行筛选的步骤中，预设的对抗网络为双阶段形变生成对抗网络，所述双阶段形变生成对抗网络在鉴别器中加入基于形变卷积的TCFE模块，所述TCFE模块将形变卷积与普通卷积并联，并引入1*1卷积层，使用通道注意力机制对1*1卷积层输出的通道进行加权，然后对改进后的鉴别器进行重训练，最后将训练后的鉴别器对合成图像进行分类，将判别为正样本的合成图像保留，用作数据增强，重复此步骤，直到生成指定数量的合成图像；将新获取的目标图像的重构特征与所述表征库中存入的重构特征进行对比的步骤中，基于闵可夫斯基距离的合成图像筛选将新获取的目标图像的重构特征与表征库中存入的重构特征进行对比；其中，对所述农业害虫图像数据集中的农业害虫图像分别进行直接增强与元学习增强，分别输出农业害虫增强图像的步骤，具体包括：使用掩模图像分离农业害虫图像中的前景图像与背景图像，通过点乘将所述前景图像与新背景图像进行合并，得到具有新背景的农业害虫图像；采用预设的数据增强方法对所述农业害虫图像进行变换，使所述农业害虫图像更符合目标域的分布，得到基于直接增强方式的农业害虫增强图像；利用基于元学习的自适应数据增强策略寻找最优的数据增强参数，得到基于元学习增强的农业害虫增强图像；其中，利用基于元学习的自适应数据增强策略寻找最优的数据增强参数，得到基于元学习增强的农业害虫增强图像的步骤中，元学习增强的增强模型训练过程包括：以农业害虫识别为子任务，使用交叉熵损失函数作为模型在子任务的性能度量标准；在元训练集上进行多次子任务的训练，得到每个操作路径对应的损失函数数值，利用所述损失函数数值优化搜索空间的参数，以调整每种数据增强操作的操作权重；以及使用One-pass联合优化策略更新所述操作权重。

全文数据：

权利要求：

百度查询： 江西农业大学 基于MTS多网络模型的农业害虫图像数据增强方法及系统