一种基于单实例分布采样的图像数据增广方法

本发明提供一种基于单实例分布采样的图像数据增广方法，定向对数据库中数据量较少的大多数类别进行数据补充，从根本上缓解数据不均衡造成的尾部类别识别性能较差的问题；基于学习到的单个实例样本的分布采样对数据库进行无限扩充，且扩充后的样本同原始实例样本语义高度相似，但图像细节信息不同，使数据库尽可能涵盖所有可能的图像数据，有效丰富数据库的多样性，有力提升了模型应对各种未知数据时的泛化性能，增强了模型的稳定性，一定程度上解决了模型实际应用时的关键难题；无需对数据进行任何标注，仅需对原始数据进行小规模采集即可将数据库扩充为大规模训练数据库，快速、精准、高效的对数据采集时面临的所有问题进行充分解决。