技术特征：
技术总结
本发明公开了一种图像数据扩增方法，针对深度学习中目标检测样本不均衡问题，通过增加少样本(样本数量较少的类别)的数据量，避免该问题产生的过拟合现象，提高训练后的模型泛化能力，同时能够减少前期图像数据的采集量以及预处理工作量。该方法包括：确定所需扩增图像类别，通过标注软件提取该图像中的类别标记框，确定其目标区域和噪声干扰区域，改变噪声干扰区域的像素值，生成新的样本。通过该方法可以利用已有样本生成新的样本，在突出目标特征的同时减少噪声特征对模型的干扰，以及生成的新样本不需要再重新进行预处理，可直接进行检测模型的训练。
技术研发人员：熊继平;叶灵枫;叶童
受保护的技术使用者：浙江师范大学
技术研发日：2018.10.26
技术公布日：2019.03.29