应用于扩容小样本量YOLO人脸数据集的imgaug图像增广方法

采用人脸照片作为训练数据集,利用imgaug图像增广库对基本的数据进行随机裁剪、随机90°旋转等变换来增加样本容量,以提高所训练网络模型的泛化能力,解决深度模型训练过程中数据集样本不足的问题。在图库扩容小样本数据集的过程中,以YOLO网络结构为主对人脸身份进行检测和分类,并对比YOLOv3和YOLOv5增广前后的结果。实验结果显示,增广后的YOLOv3模型对测试集进行检测的平均精度为88.85%,比原始的YOLOv3模型提高了38.59%,识别效果优于原始的YOLOv3模型;YOLOv5组合增广扩充样本后训练图像识别模型的人脸识别准确率比原始的YOLOv5模型提升了约0.5%。