数据增强策略搜索方法、装置、设备以及存储介质制造方法及图纸

本申请实施例公开了数据增强策略搜索方法、装置、设备以及存储介质，涉及人工智能技术领域。该方法的一具体实施方式包括：获取模型的训练脚本、训练数据集和数据增强策略配置信息；基于数据增强策略配置信息，生成数据增强策略搜索空间；在数据增强策略搜索空间中对训练数据集进行数据增强，以及利用数据增强的训练数据集对训练脚本进行模型训练，自动搜索数据增强策略搜索空间中的数据增强策略的目标增强值。该实施方式通过自动搜索的方式进行数据增强策略的搜索，大大缩短了为训练数据集选择较优的数据增强策略所花费的时间。

【技术实现步骤摘要】
数据增强策略搜索方法、装置、设备以及存储介质
本申请实施例涉及计算机
，具体涉及人工智能

技术介绍
深度学习技术在很多方向上都取得了巨大的成功。在深度学习技术中，模型的训练数据集的数据增强策略对模型的性能和效果有着非常重要的影响。目前，几乎所有的模型在训练过程中都需要加入数据增强策略，以提升模型的精度和鲁棒性。而传统的数据增强策略设定严重依赖人工的干预，例如人工设定数据增强策略，并花费大量的时间进行多次调节，以得到较优的数据增强策略。
技术实现思路
本申请实施例提出了数据增强策略搜索方法、装置、设备以及存储介质。第一方面，本申请实施例提出了一种数据增强策略搜索方法，包括：获取模型的训练脚本、训练数据集和数据增强策略配置信息；基于数据增强策略配置信息，生成数据增强策略搜索空间；在数据增强策略搜索空间中对训练数据集进行数据增强，以及利用数据增强的训练数据集对训练脚本进行模型训练，自动搜索数据增强策略搜索空间中的数据增强策略的目标增强值。第二方面，本申请实施例提出了一种数据增强策略搜索装置，包括：模型信息获取模块，被配置成获取模型的训练脚本、训练数据集和数据增强策略配置信息；搜索空间生成模块，被配置成基于数据增强策略配置信息，生成数据增强策略搜索空间；增强策略搜索模块，被配置成在数据增强策略搜索空间中对训练数据集进行数据增强，以及利用数据增强的训练数据集对训练脚本进行模型训练，自动搜索数据增强策略搜索空间中的数据增强策略的目标增强值。第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。本申请实施例提供的数据增强策略搜索方法、装置、设备以及存储介质，首先获取模型的训练脚本、训练数据集和数据增强策略配置信息；然后基于数据增强策略配置信息，生成数据增强策略搜索空间；最后在数据增强策略搜索空间中对训练数据集进行数据增强，以及利用数据增强的训练数据集对训练脚本进行模型训练，自动搜索数据增强策略搜索空间中的数据增强策略的目标增强值。通过自动搜索的方式进行数据增强策略的搜索，大大缩短了为训练数据集选择较优的数据增强策略所花费的时间。应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本申请的限定。其中：图1是本申请可以应用于其中的示例性系统架构；图2是根据本申请的数据增强策略搜索方法的一个实施例的流程图；图3是根据本申请的数据增强策略搜索方法的又一个实施例的流程图；图4是可以实现本申请实施例的数据增强策略搜索方法的场景图；图5是根据本申请的数据增强策略搜索装置的一个实施例的结构示意图；图6是用来实现本申请实施例的数据增强策略搜索方法的电子设备的框图。具体实施方式以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请的数据增强策略搜索方法或数据增强策略搜索装置的实施例的示例性系统架构100。如图1所示，系统架构100中可以包括终端设备101、网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。用户可以使用终端设备101通过网络102与服务器103交互，以接收或发送消息等。终端设备101上可以安装有各种通讯客户端应用，例如数据增强策略搜索应用、模型训练应用等。服务器103可以提供各种服务，例如，服务器103可以对从终端设备101获取到的模型的训练脚本、训练数据集和数据增强策略配置信息等数据进行分析等处理，并生成处理结果(例如数据增强策略搜索空间中的数据增强策略的目标增强值)。需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。需要说明的是，本申请实施例所提供的数据增强策略搜索方法一般由服务器103执行，相应地，数据增强策略搜索装置一般设置于服务器103中。应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。继续参考图2，其示出了根据本申请的数据增强策略搜索方法的一个实施例的流程200。该数据增强策略搜索方法包括以下步骤：步骤201，获取模型的训练脚本、训练数据集和数据增强策略配置信息。在本实施例中，数据增强策略搜索方法的执行主体(例如图1所示的服务器103)可以获取模型的训练脚本、训练数据集和数据增强策略配置信息。其中，模型的训练脚本、训练数据集和数据增强策略配置信息可以是用户通过其终端设备(例如图1所示的终端设备101)提交的信息。脚本也即代码，训练脚本可以包括对模型训练所需的各种信息，包括但不限于网络结构、初始参数、激活函数、损失函数等等。在实践中，模型可以是各种深度神经网络，比如卷积神经网络。训练数据集可以是预先收集的用于训练模型的大量数据。通常，训练数据集可以是图像集，而利用训练数据集训练出的模型通常是用于对图像进行检测、识别、跟踪等处理的模型。数据增强策略对于提升训练数据集的数据量、改善模型精度和鲁棒性，提高对于真实世界的适应性和泛化性具有重要的作用。其中，数据增强策略可以包括但不限于以下至少一种：水平翻转、垂直翻转、随机剪裁、高斯模糊、图像锐度和图像旋转等等。数据增强策略配置信息可以是用户设置的、用于确定数据增强策略的候选增强值的信息。例如，数据增强策略配置信息可以包括数据增强策略的最大增强值、最小增强值和最小粒度。其中，数据增强策略的最大增强值确定了数据增强策略的候选增强值的最大值，数据增强策略的最小增强值确定了数据增强策略的候选增强值的最小值本文档来自技高网...

【技术保护点】
1.一种数据增强策略搜索方法，包括：/n获取模型的训练脚本、训练数据集和数据增强策略配置信息；/n基于所述数据增强策略配置信息，生成数据增强策略搜索空间；/n在所述数据增强策略搜索空间中对所述训练数据集进行数据增强，以及利用数据增强的训练数据集对所述训练脚本进行模型训练，自动搜索所述数据增强策略搜索空间中的数据增强策略的目标增强值。/n

【技术特征摘要】
1.一种数据增强策略搜索方法，包括：
获取模型的训练脚本、训练数据集和数据增强策略配置信息；
基于所述数据增强策略配置信息，生成数据增强策略搜索空间；
在所述数据增强策略搜索空间中对所述训练数据集进行数据增强，以及利用数据增强的训练数据集对所述训练脚本进行模型训练，自动搜索所述数据增强策略搜索空间中的数据增强策略的目标增强值。


2.根据权利要求1所述的方法，其中，所述在所述数据增强策略搜索空间中对所述训练数据集进行数据增强，以及利用数据增强的训练数据集对所述训练脚本进行模型训练，自动搜索所述数据增强策略搜索空间中的数据增强策略的目标增强值，包括：
对于所述数据增强策略搜索空间中的数据增强策略的候选增强值，将所述训练数据集作为第一组件，调用该候选增强值进行数据增强，得到该候选增强值对应的训练数据集，以及将所述训练脚本作为第二组件，调用该的候选增强值对应的训练数据集进行模型训练，得到该候选增强值对应的模型；
将满足预设效果的模型对应的候选增强值确定为所述目标增强值。


3.根据权利要求1所述的方法，其中，所述获取数据增强策略配置信息，包括：
将所述数据增强策略配置信息作为第三组件，以及从组件化配置信息提交接口获取所述数据增强策略配置信息，其中，所述数据增强策略配置信息的提交方式包括在线提交或命令行提交。


4.根据权利要求1所述的方法，其中，所述方法还包括：
利用所述目标增强值对所述训练数据集进行数据增强，得到目标训练数据集；
利用所述目标训练数据集进行训练，得到目标模型。


5.根据权利要求1-4之一所述的方法，其中，数据增强策略包括以下至少一种：水平翻转、垂直翻转、随机剪裁、高斯模糊、图像锐度和图像旋转。


6.一种数据增强策略搜索装置，包括：
模型信息获取模块，被配置成获取模型的训练脚本、训练数据集和数据增强策略配置信息；
搜索空间生成模块，被配置成基于所...

【专利技术属性】
技术研发人员：希滕，张刚，温圣召，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11