【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 ...
【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
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。