训练图像的扩充方法、训练方法及相关装置制造方法及图纸

本申请提供一种训练图像的扩充方法、训练方法及相关装置，涉及机器学习的行人识别领域。该训练图像的扩充方法包括：获取行人的多张待转换图像；多张待转换图像包括行人的至少两种行人颜色数据；根据多张待转换图像，获取颜色数据生成模型；颜色数据生成模型为至少两种行人颜色数据在生成对抗网络下训练得到的模型；将多张待转换图像输入至颜色数据生成模型，获取多张目标颜色图像；将待转换图像和多张目标颜色图像作为颜色训练集。使用本申请提供的数据扩充方法，在真实的颜色数据基础上，可以获取更多的特定颜色数据，进而实现颜色识别模型训练的训练数据需求，提高颜色识别的准确率。

【技术实现步骤摘要】
训练图像的扩充方法、训练方法及相关装置
本申请涉及机器学习的行人识别领域，具体而言，涉及训练图像的扩充方法、训练方法及相关装置。
技术介绍
目前基于深度学习的行人衣服颜色识别方法，依赖大量的标注数据，需耗费大量的人力在数据上。然而对于一些小众的训练数据，却不能收集到足够多的训练数据，比如棕色上衣的行人数据，在一段监控视频中几乎不出现，由于这些训练数据缺乏导致颜色识别模型在这些小众颜色上识别始终不理想。因此，如何快速地对颜色标注数据进行扩充是目前需要解决的问题。
技术实现思路
为了克服现有技术中的上述不足，本申请的目的之一在于提供一种训练图像的扩充方法、训练方法及相关装置。第一方面，实施例提供一种训练图像的扩充方法，所述方法包括：获取行人的多张待转换图像；所述多张待转换图像包括所述行人的至少两种行人颜色数据。根据所述多张待转换图像，获取颜色数据生成模型；所述颜色数据生成模型为：所述至少两种行人颜色数据在生成对抗网络下训练得到的模型。将所述多张待转换图像输入至所述颜色数据生成模型，获取多张目标颜色图像。将所述待转换图像和所述多张目标颜色图像作为颜色训练集。在可选的实施方式中，所述获取行人的多张待转换图像，包括：获取所述行人的至少一张第一图像和至少一张第二图像；所述至少一张第一图像为所述行人的着装颜色为目标颜色之外的行人图像，所述至少一张第二图像为所述行人的着装颜色为所述目标颜色的行人图像。将所述至少一张第一图像和所述至少一张第二图像作为所述多张待转换图像。在可选的实施方式中，所述根据所述多张待转换图像，获取颜色数据生成模型，包括：获取所述至少一张第一图像的纹理信息，所述纹理信息表征所述行人的图像切分信息。根据所述纹理信息和所述至少一张第一图像，生成多张待确认图像；所述多张待确认图像为所述行人的着装颜色为所述目标颜色的行人图像。将所述至少一张第一图像作为第一训练集，将所述多张待确认图像和所述至少一张第二图像作为第二训练集。根据所述第一训练集和所述第二训练集，获取所述颜色数据生成模型。在可选的实施方式中，所述生成对抗网络包括第一生成器、第二生成器和判别器。所述根据所述第一训练集和所述第二训练集，获取所述颜色数据生成模型，包括：将所述第一训练集通过所述第一生成器，生成与所述目标颜色一致的第一图形数据，以使所述第一图形数据与所述第二训练集符合判别损失函数的收敛条件。将所述第二训练集通过所述判别器，以使所述第二训练集与所述判别损失函数的发散条件匹配。将所述第一图形数据通过所述第二生成器，生成与所述第一训练集的颜色一致的第二图形数据，以使所述第二图形数据与所述第一图形数据符合生成损失函数的收敛条件。获取符合模型收敛条件的所述颜色数据生成模型。第二方面，实施例提供一种颜色识别模型的训练方法，所述方法包括：获取行人的颜色训练集；所述颜色训练集包括多张待转换图像和多张目标颜色图像。所述多张待转换图像包括至少所述行人的至少两种行人颜色数据，所述多张目标颜色图像为所述多张待转换图像输入至颜色数据生成模型获取的行人图像，所述颜色数据生成模型为所述至少两种行人颜色数据在生成对抗网络下训练得到的模型。根据所述颜色训练集，获取多个教师模型。根据所述多个教师模型和所述颜色训练集，获取颜色识别模型。在可选的实施方式中，所述根据所述多个教师模型和所述颜色训练集，获取颜色识别模型，包括：对所述多个教师模型进行特征适配，以使所述多个教师模型与所述颜色识别模型的模型训练信息匹配；所述模型训练信息包括特征维度和特征值大小。在可选的实施方式中，所述根据所述多个教师模型和所述颜色训练集，获取颜色识别模型，还包括：将所述颜色训练集输入至第一模型，获取第一输出特征；所述第一模型为所述多个教师模型的任意一个教师模型。将所述颜色训练集输入至待确认识别模型，获取第二输出特征；将所述第一输出特征与所述第二输出特征匹配，以使相似度损失函数收敛；所述相似度损失函数用于使所述待确认识别模型与所述第一模型匹配。当所述相似度损失函数收敛时，将所述待确认识别模型作为所述颜色识别模型。第三方面，实施例提供一种训练图像的扩充装置，包括：第一获取模块和第一处理模块。所述第一获取模块用于获取行人的多张待转换图像；所述多张待转换图像包括所述行人的至少两种行人颜色数据。所述第一处理模块用于根据所述多张待转换图像，获取颜色数据生成模型；所述颜色数据生成模型为所述至少两种行人颜色数据在生成对抗网络下训练得到的模型。所述第一获取模块还用于将所述多张待转换图像输入至所述颜色数据生成模型，获取多张目标颜色图像。所述第一处理模块还用于将所述待转换图像和所述多张目标颜色图像作为颜色训练集。第四方面，实施例提供一种颜色识别模型的训练装置，包括：第二获取模块和第二处理模块。所述第二获取模块用于获取行人的颜色训练集；所述颜色训练集包括多张待转换图像和多张目标颜色图像；所述多张待转换图像包括至少所述行人的至少两种行人颜色数据，所述多张目标颜色图像为所述多张待转换图像输入至颜色数据生成模型获取的行人图像，所述颜色数据生成模型为所述至少两种行人颜色数据在生成对抗网络下训练得到的模型。所述第二处理模块用于根据所述颜色训练集，获取多个教师模型。所述第二处理模块还用于根据所述多个教师模型和所述颜色训练集，获取颜色识别模型。第五方面，实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现前述实施方式任一项所述的扩充方法或前述实施方式任一项所述的训练方法。第六方面，实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述实施方式任一项所述的扩充方法或前述实施方式任一项所述的训练方法。相对于现有技术而言，本申请具有以下有益效果：使用本申请提供的数据扩充方法，在真实的颜色数据基础上，可以获取更多的特定颜色数据，进而实现颜色识别模型训练的训练数据需求，提高颜色识别的准确率。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本申请实施例提供一种训练图像的扩充方法的流程示意图；图2为本申请实施例提供另一种训练图像的扩充方法的流程示意图；图3为本申请实施例提供另一种训练图像的扩充方法的流程示意图；图4为本申请实施例提供另一种训练图像的扩充方法的流程示意图；图5为本申请实施例提供的一种颜色识别模型的训练方法的流程示意图；图6为本申请实施例提供的另一种颜色识别模型的训练方法的流程示意图；图7为本申请实施例提供的一种教师模型和待确认识别模型的结构示意图；图8为本申请实施例提供的一种训练图像的扩充装置的方框示意图；图9为本申请实施本文档来自技高网...

【技术保护点】
1.一种训练图像的扩充方法，其特征在于，所述方法包括：/n获取行人的多张待转换图像；所述多张待转换图像包括所述行人的至少两种行人颜色数据；/n根据所述多张待转换图像，获取颜色数据生成模型；所述颜色数据生成模型为所述至少两种行人颜色数据在生成对抗网络下训练得到的模型；/n将所述多张待转换图像输入至所述颜色数据生成模型，获取多张目标颜色图像；/n将所述待转换图像和所述多张目标颜色图像作为颜色训练集。/n

【技术特征摘要】
1.一种训练图像的扩充方法，其特征在于，所述方法包括：
获取行人的多张待转换图像；所述多张待转换图像包括所述行人的至少两种行人颜色数据；
根据所述多张待转换图像，获取颜色数据生成模型；所述颜色数据生成模型为所述至少两种行人颜色数据在生成对抗网络下训练得到的模型；
将所述多张待转换图像输入至所述颜色数据生成模型，获取多张目标颜色图像；
将所述待转换图像和所述多张目标颜色图像作为颜色训练集。


2.根据权利要求1所述的方法，其特征在于，所述获取行人的多张待转换图像，包括：
获取所述行人的至少一张第一图像和至少一张第二图像；所述至少一张第一图像为所述行人的着装颜色为目标颜色之外的行人图像，所述至少一张第二图像为所述行人的着装颜色为所述目标颜色的行人图像；
将所述至少一张第一图像和所述至少一张第二图像作为所述多张待转换图像。


3.根据权利要求2所述的方法，其特征在于，所述根据所述多张待转换图像，获取颜色数据生成模型，包括：
获取所述至少一张第一图像的纹理信息；所述纹理信息表征所述行人的图像切分信息；
根据所述纹理信息和所述至少一张第一图像，生成多张待确认图像；所述多张待确认图像为所述行人的着装颜色为所述目标颜色的行人图像；
将所述至少一张第一图像作为第一训练集，将所述多张待确认图像和所述至少一张第二图像作为第二训练集；
根据所述第一训练集和所述第二训练集，获取所述颜色数据生成模型。


4.根据权利要求3所述的方法，其特征在于，所述生成对抗网络包括第一生成器、第二生成器和判别器，所述根据所述第一训练集和所述第二训练集，获取所述颜色数据生成模型，包括：
将所述第一训练集通过所述第一生成器，生成与所述目标颜色一致的第一图形数据，以使所述第一图形数据与所述第二训练集符合判别损失函数的收敛条件；将所述第二训练集通过所述判别器，以使所述第二训练集与所述判别损失函数的发散条件匹配；
将所述第一图形数据通过所述第二生成器，生成与所述第一训练集的颜色一致的第二图形数据，以使所述第二图形数据与所述第一图形数据符合生成损失函数的收敛条件；
获取符合模型收敛条件的所述颜色数据生成模型。


5.一种颜色识别模型的训练方法，其特征在于，所述方法包括：
获取行人的颜色训练集；所述颜色训练集包括多张待转换图像和多张目标颜色图像；所述多张待转换图像包括至少所述行人的至少两种行人颜色数据，所述多张目标颜色图像为所述多张待转换图像输入至颜色数据生成模型获取的行人图像，所述颜色数据生成模型为所述至少两种行人颜色数据在生成对抗网络下训练得到的模型；
根据所述颜色训练集，获取多个教师模型；
根据所述多个教师模型和所...

【专利技术属性】
技术研发人员：鲍宗袍，
申请(专利权)人：重庆紫光华山智安科技有限公司，
类型：发明
国别省市：重庆;50