【技术实现步骤摘要】
标注信息的生成方法、标注信息的生成装置和电子设备
本申请涉及深度学习
，且更为具体地，涉及一种标注信息的生成方法、标注信息的生成装置和电子设备。
技术介绍
近年来，由于深度学习技术的进步，计算机视觉应用得到了很大发展。在深度学习技术中，为了训练用于计算机视觉应用的深度学习模型，训练数据的规模和质量非常重要。目前，为了获得高质量的训练数据及其标注信息，通常采用人工标注的方式来处理训练数据，例如人工标注图像上的关键信息，但是，这种方式非常费时，而且成本很高。因此，期望提供改进的从训练数据获得其标注信息的方案。
技术实现思路
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种标注信息的生成方法、标注信息的生成装置和电子设备，其通过使用合成样本数据训练的神经网络来从风格从真实数据转换为合成数据的样本数据生成其标注信息，从而以低成本的方式获得样本数据的标注信息。根据本申请的一方面，提供了一种标注信息的生成方法，包括：使用第一合成样本数据训练第一神经网络；通过第二神经网络将第一真实样本数据转换为第二合成样本数据；以及，通过所述第一神经网络从所述第二合成样本数据获得...
【技术保护点】
1.一种标注信息的生成方法，包括：使用第一合成样本数据训练第一神经网络；通过第二神经网络将第一真实样本数据转换为第二合成样本数据；以及通过所述第一神经网络从所述第二合成样本数据获得所述第一真实样本数据的第一标注信息。
【技术特征摘要】
1.一种标注信息的生成方法，包括：使用第一合成样本数据训练第一神经网络；通过第二神经网络将第一真实样本数据转换为第二合成样本数据；以及通过所述第一神经网络从所述第二合成样本数据获得所述第一真实样本数据的第一标注信息。2.如权利要求1所述的标注信息的生成方法，其中，使用第一合成样本数据训练第一神经网络包括：获取第二真实样本数据；通过计算机图形模型从所述第二真实样本数据获得包含第二标注信息的所述第一合成样本数据；以及使用所述包含第二标注信息的所述第一合成样本数据训练所述第一神经网络。3.如权利要求1所述的标注信息的生成方法，其中，所述第二神经网络通过训练生成器模型而获得，所述训练过程包括：将判别器网络附加于用于计算机视觉任务的第三神经网络以获得对抗训练网络；将用于训练所述生成器模型的第三真实样本数据和第三合成样本数据输入所述对抗训练网络；以及基于所述对抗训练网络的对抗训练损失函数值更新所述生成器模型以获得所述第二神经网络。4.如权利要求3所述的标注信息的生成方法，其中，基于所述对抗训练网络的对抗训练损失函数值更新所述生成器模型以获得所述第二神经网络包括：将所述第三真实样本数据和所述第三合成样本数据输入用于提取语义信息的第四神经网络；以及基于所述对抗训练网络的对抗训练损失函数值和所述第四神经网络的感知损失函数值更新所述生成器模型以获得已训练的所述第二神经网络。5.如权利要求3所述的标注信息的生成方法，其中，所述用于计算机视觉任务的第三神经网络包括用于语义分割的第三神经网络或者用于对象检测的第三神经网络。6.如权利要求3所述的标注信息的生成方法，其中，所述包含第一标注信息的第一真实样本数据用于训练用于所述计算机视觉任务的计算机模型。7.一种标注信息的生成装置，包括：训练单元，用于使用第一合成样本数据训练第一神经网络；转换单元，用于通过第二神经网络将第一真实样本数据转换为第二合成样本数据；以及标注单元，用于通过所述训练单元训练的所述第一神经网络从所述转换单元转换的所述第二合成样本数据获得所述第一真实样本数据的第...
【专利技术属性】
技术研发人员：宋俍辰，张骞，
申请(专利权)人：北京地平线机器人技术研发有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。