恶劣环境下图像算法数据增强方法

摘要：

为解决恶劣环境下数据采集难度较大、数据匮乏导致模型性能受限的问题,提出一种基于风格迁移的数据增强方法,用于增加恶劣环境下的样本数量,提升模型在恶劣环境下的鲁棒性.建立包含22500张图片的数据集,使用卷积神经网络进行图片去重,进行手工标注,用于进行分类模型的训练.设计正常环境和恶劣环境对比实验,验证提出的数据增强方法效果,实验结果表明,该方法可以有效提升分类模型在恶劣环境下的鲁棒性.

关键词：恶劣环境、人工智能、图像算法、数据增强、风格迁移

所属期刊栏目：42

分类号：TP399(计算技术、计算机技术)

在线出版日期：2021-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2545-2551