文献类型：期刊文章

作　　者：吴天雨[1] 许英朝[2,3] 晁鹏飞[1]

WU Tianyu;XU Yingchao;CHAO Pengfei(School of Electrical Engineering and Automation,Xiamen University of Technology,Xiamen 361024,China;School of Optoelectronics and Communication Engineering,Xiamen University of Technology,Xiamen 361024,China;Fujian Key Laboratory of Optoelectronic Technology and Devices,Xiamen University of Technology,Xiamen 361024,China)

机构地区：[1]厦门理工学院电气工程及其自动化学院,厦门361024 [2]厦门理工学院光电与通信工程学院,厦门361024 [3]厦门理工学院,福建省光电技术与器件重点实验室,厦门361024

出　　处：《激光杂志》

基　　金：福建省教育厅(No.JK2017036);福建省自然科学基金面上项目(No.2019J01876);厦门市科技计划项目(No.3502Z20183060);厦门市科技计划重大项目(Micro-LED技术研发及产业化)。

年　　份：2020

卷　　号：41

期　　号：5

起止页码：96-100

语　　种：中文

收录情况：BDHX、BDHX2017、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：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。

关 键 词：神经网络 目标检测 图像标注 数据增强  几何变换  光照强度

分 类 号：TN249]