用于数据扩增的方法、装置和系统、计算机可读存储介质制造方法及图纸

实施例公开一种用于数据扩增的方法，包括：接收原始图像信息，所述原始图像信息为一数据集合中的训练样本；获得所述原始图像的多张特征图；其中，每张特征图都包括所述原始图像的深度特征信息；对每张特征图进行扩展，获得每张特征图的多张扩展图；并，将所述多张特征图的所有扩展图作为训练样本加入所述数据集合。该实施例提出一种基于深度特征信息的数据扩增方式，由于在图像的深度特征信息的基础上进行的数据扩增，因此能从物体的深度特征出发找到物体本质信息。将基于深度特征信息的数据扩增技术和人脸识别网络相结合，能够更加有效地实现对识别分类器的训练。实施例还公开一种用于数据扩增的装置和系统，及计算机可读存储介质。

【技术实现步骤摘要】
用于数据扩增的方法、装置和系统、计算机可读存储介质
本专利技术涉及人工智能
，特别涉及一种用于数据扩增的方法、装置和系统，及计算机可读存储介质。
技术介绍
人脸识别技术是计算机视觉应用中的一个重要环节，在很多实际应用场景中有着广泛的使用前景。人脸识别技术主要可以分成两种任务：人脸验证技术和人脸归类技术。验证技术需要输入两张人脸，通过运算判断两张人脸是否为同一个人。归类技术和验证技术有一定的区别，其先对一张图片进行特征提取，然后将该图片的特征和数据库中所有图片特征进行比对，选出该照片是数据库中的哪一个人。随着深度学习的不断发展，针对人脸识别的深层神经网络结构越来越多。随之而来的是关于训练数据集的需求不断增大。当前在用于训练人脸识别模型的公开数据集中，不可避免的存在一些样本含有的人脸数量比较少的问题。这会对人脸识别归类问题的训练过程造成很大的影响。在归类问题的训练过程中，会根据每一个人划分成不同的分类。只有每一个分类中有充分的数据，才能够保证该分类具有良好的区分性。数据集合不平衡会造成如果在训练集合中该人的照片特别少，会使得在该类别的训练不准确，从而不具有很好的区分性。这种存在某个本文档来自技高网...

【技术保护点】
1.一种用于数据扩增的方法，其特征在于，包括：接收原始图像信息，所述原始图像信息为一数据集合中的训练样本；获得所述原始图像的多张特征图；其中，每张特征图都包括所述原始图像的深度特征信息；对每张特征图进行扩展，获得每张特征图的多张扩展图；并，将所述多张特征图的所有扩展图作为训练样本加入所述数据集合。

【技术特征摘要】
1.一种用于数据扩增的方法，其特征在于，包括：接收原始图像信息，所述原始图像信息为一数据集合中的训练样本；获得所述原始图像的多张特征图；其中，每张特征图都包括所述原始图像的深度特征信息；对每张特征图进行扩展，获得每张特征图的多张扩展图；并，将所述多张特征图的所有扩展图作为训练样本加入所述数据集合。2.如权利要求1所述的方法，其特征在于，所述获得所述原始图像的多张特征图，包括：将原始图像输入卷积神经网络；在所述卷积神经网络的设定层输出获得所述原始图像的m张特征图；其中，m为大于1的整数。3.如权利要求2所述的方法，其特征在于，用n组随机扰动因子及各组随机扰动因子的权重系数对所述m张特征图进行扩展，获得m×n张扩展图；其中，n为大于1的整数。4.如权利要求2所述的方法，其特征在于，用n组随机扰动因子对所述m张特征图进行扩展，获得m×n张扩展图；其中，n为大于1的整数。5.一种用于数据扩增的装置，其特征在于，包括：接收单元，用于接收原始图像信息；其中，所述原始图像信息为一数据集合中的训练样本；第一单元，用于获得所述原始图像的多张特征图；其中，每张特征图都包括所述原始图像...

【专利技术属性】
技术研发人员：曾玲，
申请(专利权)人：北京绽放时代科技有限公司，
类型：发明
国别省市：北京,11