一种基于深度学习的数据增强方法技术

本发明专利技术提供了一种基于深度学习的数据增强方法，包括：S1、设训练样本需要的目标样本数为N，设定容忍度k，把所有样本数量大于N‑k的样本加入模型，训练变分自编码机；S2、用训练好的自编码机对于大于N‑k并且小于N的样本生成特征向量，对这些特征向量进行SMOT插值，用插值之后的特征生成图片样本；S3、然后设定k＝2*k，即下一次把所有样本数量大于N‑2*k的样本放入模型训练自编码机；S4、我们重复步骤S1‑S3，直至所有样本满足等于N的要求。本发明专利技术所述的基于深度学习的数据增强方法在有限真实数据的前提下增加图像训练样本数量，满足图像深度学习模型训练要求。

【技术实现步骤摘要】
一种基于深度学习的数据增强方法
本专利技术属于人工智能深度学习
，尤其是涉及一种基于深度学习的数据增强方法。
技术介绍
随着社会的进步与发展，深度学习已经在图像，文字语音等各个领域变为主流的技术。在文字翻译，对话机器人，语音识别，人脸识别，人脸支付等都有着重大应用潜力。而在图像领域，随着近年来的深度学习快速发展以及人工智能芯片算力的提升，很多图像算法都用到了深度学习技术，比如目前先进的人脸识别基本上都用到了深度学习。在图像深度学习有两个关键因素，其一是训练数据，其二是模型的结构。而最终效果的呈现取决于两者的有机结合，本专利技术想要解决的问题集中在第一个关键因素，即：图像训练数据的获得。众所周知，图训练数据的获得取决于算法的应用场景。比如人脸识别和人脸检测模型需要用现实生活中的真实人脸。但是考虑实际情况下，获得真实数据会受到种种因素的制约，比如用户隐私，政策法规等。而数据取得的难易程度也会导致样本分布不均衡，某些类别样本多，某些样本类别少，这样不均衡的样本会降低的泛化能力。即便是能够获得相应的数据，数据集太小也没办法训练通用的模型，本文档来自技高网...

【技术保护点】
1.一种基于深度学习的数据增强方法，其特征在于，包括：/nS1、设训练样本需要的目标样本数为N，设定容忍度k，把所有样本数量大于N-k的样本加入模型，训练变分自编码机；/nS2、用训练好的自编码机对于大于N-k并且小于N的样本生成特征向量，对这些特征向量进行SMOT插值，用插值之后的特征生成图片样本；这样大于N-k并且小于N的样本已经生成完毕，满足数量等于N的要求；/nS3、设定k＝2*k，即下一次把所有样本数量大于N-2*k的样本放入模型训练自编码机；/nS4、我们重复步骤S1-S3，直至所有样本满足等于N的要求。/n

【技术特征摘要】
1.一种基于深度学习的数据增强方法，其特征在于，包括：
S1、设训练样本需要的目标样本数为N，设定容忍度k，把所有样本数量大于N-k的样本加入模型，训练变分自编码机；
S2、用训练好的自编码机对于大于N-k并且小于N的样本生成特征向量，对这些特征向量进行SMOT插值，用插值之后的特征生成图片样本；这样大于N-k并且小于N的样本已经生成完毕，满足数量等于N的要求；
S3、设定k＝2*k，即下一次把所有样本数量大于N-2*k的样本放入模型训练自编码机；
S4、我们重复步骤S1-S3，直至所有样本满足等于N的要求。


2.根据权利要求1所述的基于深度学习的数据增强方法，其特征在于：所述自编码机包括前后两部分，前部分为编码器，输入是图像，输出是特征向量；后部分为解码器，输入是特征向量，输出是图像；
执行步骤S2、S3时，利用步骤...

【专利技术属性】
技术研发人员：张钦海，王思俊，张云飞，王志保，姜伟，
申请(专利权)人：天津天地伟业智能安全防范科技有限公司，
类型：发明
国别省市：天津;12