数据增强学习、训练方法、电子设备、可读存储介质技术

本发明专利技术实施例提供一种数据增强学习、训练方法、电子设备、可读存储介质，包括：将一个静态图像按照尺度因子混合到样本视频的每一帧中。本发明专利技术实施例利用数据增强方法TCA指导整个神经网络的学习目标，TCA可以简单的集成在任意一个神经网络之中，具体是将一个静态图像按照尺度因子混合到样本视频的每一帧中，通过选择适当的尺度因子，可以保留时间线索不同空间语境下的相似性。此外TCA可以通过简单的矩阵操作实现，计算开销非常小，本发明专利技术实施例的方法在三个数据集上均取得了最优效果，验证了数据增强方法的有效性，TCA避免了对真实标签的需求，可以拓展到自监督以及半监督学习中。

【技术实现步骤摘要】
数据增强学习、训练方法、电子设备、可读存储介质
本专利技术涉及视频处理
，尤其涉及一种数据增强学习、训练方法、电子设备、可读存储介质。
技术介绍
数据增强(DataAugmentation)是在深度学习中非常常用的技术。在图像分类中，输入图像通常会发生弹性变形或者添加噪波，这样可以大大改变图像的像素内容而不需要改变标签。在此基础上，提出了许多增强技术旋转，比如翻转和彩色抖动。数据增强可以提高样本的多样性，并且大幅度提升模型的鲁棒性。现有的MixUp是一种实用的图像分类数据增强方法，在基于图像的领域验证了有效性，该方法对于数据集中的样本，在训练过程中，首先将所有样本划分为不同的批次并且随机采样其中一个批次。对于一个批次中的样本，进行两两配对组成不同的pairs。而后从伯努利分布中随机采样选择一个在0到1之间的超参λ。根据超参λ，首先对输入的两幅图像进行插值得到新的样本，并且对两个样本对应标签进行线性插值生成一个smooth向量作为生成样本对应的标签。MixUP有两个样本组成pair后线性插值生成的新样本对应真实标签是由线性矩阵给出o本文档来自技高网...

【技术保护点】
1.一种数据增强学习方法，其特征在于，包括：/n将一个静态图像按照尺度因子混合到样本视频的每一帧中；/n所述尺度因子的计算公式为：/n

【技术特征摘要】
1.一种数据增强学习方法，其特征在于，包括：
将一个静态图像按照尺度因子混合到样本视频的每一帧中；
所述尺度因子的计算公式为：



其中，α代表尺度因子；I函数代表原视频；δ函数代表一帧随机选取图像；t为t时刻视频帧；x，y为t时刻视帧的像素索引；k为阶导数。


2.根据权利要求1所述的数据增强学习方法，其特征在于，还包括：通过所述尺度因子计算出所述样本视频各个时刻的视频帧，计算公式为：



其中，代表视频i在时刻j的视频帧；L代表视频长度；代表0-1的掩膜；代表全局噪声。


3.根据权利要求2所述的数据增强学习方法，其特征在于，所述α是从[0.5,1]中的均匀分布随机采样的结果，掩膜和全局噪声都和所述样本视频中第一帧图像的大小一样。


4.根据权利要求2所述的数据增强学习方法，其特征在于，还包括：
随机选择一个固定大小的预设区域，并将预设区域的设为0，所述预设区域占整个所述静态图像面积的0.1以内；
设中所有元素均为1，并从所述样本视频中随机选择一个图像帧作为
将所有帧的设为1，并随机选择一个除所述样本视频以外的其它视频中的帧作为


5.一种数据增强训练方法，其特征在于，采用如权利要求1-4任一所述的数据增强学习方法得到生成样本，还包括...

【专利技术属性】
技术研发人员：王金鹏，王金桥，赵朝阳，胡建国，林格，张海，朱贵波，唐明，
申请(专利权)人：杰创智能科技股份有限公司，
类型：发明
国别省市：广东;44