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！

龙图腾网获悉中国电子科技集团公司第五十四研究所申请的专利一种基于生成对抗网络的样本数据增强方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115294424B 。

龙图腾网通过国家知识产权局官网在2025-08-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210988926.0，技术领域涉及：G06V10/774；该发明授权一种基于生成对抗网络的样本数据增强方法是由张俊凯;耿虎军;张玉鹏;杜明设计研发完成，并于2022-08-17向国家知识产权局提交的专利申请。

本一种基于生成对抗网络的样本数据增强方法在说明书摘要公布了：本发明公开了一种基于生成对抗网络的样本数据增强方法。该方法包括：制作不含背景信息的真实目标图像数据集R‑Dataset1，生成不含背景信息的生成样本数据集G‑Dataset1；采用余弦感知哈希相似度匹配方法进行相似度匹配，用G‑Dataset1中的生成的目标图像直接同尺寸覆盖掉与它相似度最高的真实样本，制作含背景信息的生成样本数据集G‑Dataset2以及含背景信息的真实样本数据集R‑Dataset2；训练循环生成对抗网络CycleGAN，对G‑Dataset2中的数据进行风格转换。采用本发明方法可以生成背景丰富且物体本身清晰的图像，并解决了GAN算法生成数据过程中无标签的问题。

本发明授权一种基于生成对抗网络的样本数据增强方法在权利要求书中公布了：1.一种基于生成对抗网络的样本数据增强方法，其特征在于，包括以下步骤： （1）根据DOTA数据集的标注信息，裁剪数据集图像中包含的目标，制作不含背景信息的真实目标图像数据集R-Dataset1，目标分为飞机、船舶、小型交通工具三类； （2）使用最小二乘损失函数替换深度卷积生成对抗网络DCGAN中的原始损失函数，得到最小二乘深度卷积生成对抗网络L-DCGAN，用R-Dataset1训练L-DCGAN，用训练好的L-DCGAN网络生成不含背景信息的生成样本数据集G-Dataset1； （3）采用余弦感知哈希相似度匹配方法进行相似度匹配，对于G-Dataset1中的每张图片，在R-Dataset1中寻找与之匹配度最高的图片，此时R-Dataset1中的部分图像可能未被作为G-Dataset1中任何图像的匹配度最高的图像，也有部分图像可能被作为G-Dataset1中多张图像的匹配度最高的图像；其中，余弦感知哈希相似度匹配方法的具体方式为： 根据下式计算相似度： ； 其中： ； ； 式中，ξ表示余弦感知哈希相似度匹配方法计算的相似度，ξcosin表示余弦相似度，ξBarcol表示通过巴塔恰里雅系数计算的相似度，ξpHash表示通过感知哈希算法计算的相似度，α、β、γ为归一化的权重系数，表示两个维向量，其中，分别代表两张待匹配图像的三通道颜色直方图数据，p i 、p’ i 表示直方图中的一个数据点，即具有某个像素值的像素数，m表示可能的像素值个数； （4）根据步骤（3）获得的匹配结果，在DOTA数据集的原始大图上，用G-Dataset1中的生成的目标图像直接同尺寸覆盖掉与它相似度最高的真实样本，并记录下覆盖位置信息；此时，部分原始大图上的同一个目标可能被覆盖多次，这种情况下，第k幅原始大图将被复制nk份，nk表示第k幅原始大图中，所有目标需要被覆盖的次数中最多的次数，单个目标的覆盖次数小于nk的，随机选择多出数量的原始大图，不进行覆盖，nk个原始大图中，不同的目标之间没有对应关系，均独立进行随机覆盖； （5）根据步骤（4）的覆盖位置信息，将不含背景信息的图片覆盖的范围随机扩大3至5倍，并用扩大后的覆盖范围作为裁剪范围，对原始大图进行裁剪，记录裁剪下的图片内的目标标签信息，用裁剪下的图片制作含背景信息的生成样本数据集G-Dataset2；然后在原始的DOTA数据集上，裁剪相同范围的未覆盖目标的图片，用裁剪下的图片制作含背景信息的真实样本数据集R-Dataset2； （6）将含背景信息的生成样本数据集G-Dataset2与含背景信息的真实样本数据集R-Dataset2输入到循环生成对抗网络CycleGAN中进行训练，然后用训练好的模型对G-Dataset2中的数据进行风格转换，得到最终的含背景信息的生成样本数据集。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国电子科技集团公司第五十四研究所，其通讯地址为：050081 河北省石家庄市中山西路589号第五十四所遥控遥测专业部；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。