训练样本生成方法、图像分类方法、装置、设备和介质制造方法及图纸

本公开的实施例公开了训练样本生成方法、图像分类方法、装置、电子设备器和计算机可读介质。该训练样本生成方法的一具体实施方式包括：获取非人脸图像集和人脸图像集；将上述人脸图像集中的每个人脸图像与从上述非人脸图像集中选取的非人脸图像组合成样本图像，得到样本图像集；根据上述样本图像集中每个样本图像的人脸遮挡率设置上述样本图像的标签；根据上述样本图像集中每个样本图像和上述样本图像的标签生成训练样本，得到训练样本集。该实施方式实现了训练样本的多样化，而且使得训练样本更加容易获取。

【技术实现步骤摘要】
训练样本生成方法、图像分类方法、装置、设备和介质
本公开的实施例涉及计算机
，具体涉及训练样本生成方法、图像分类方法、装置、设备和介质。
技术介绍
随着网络模型的不断改进，与之相对应的，对网络模型的训练样本也提出了更多的要求，比如对样本数量的要求。由于对训练效果、实际应用、网络结构的要求不同，所以需要不同的训练样本。一般来讲，训练样本的获取途径有直接拍摄或者数据库，这样的获取方式已经不能满足训练网络模型的需求。
技术实现思路
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了训练样本生成方法、图像分类方法、装置、设备和介质，来解决以上
技术介绍
部分提到的技术问题。第一方面，本公开的一些实施例提供了一种训练样本生成方法，该方法包括：获取非人脸图像集和人脸图像集；将上述人脸图像集中的每个人脸图像与从上述非人脸图像集中选取的非人脸图像组合成样本图本文档来自技高网...

【技术保护点】
1.一种训练样本生成方法，包括：/n获取非人脸图像集和人脸图像集；/n将所述人脸图像集中的每个人脸图像与从所述非人脸图像集中选取的非人脸图像组合成样本图像，得到样本图像集；/n根据所述样本图像集中每个样本图像的人脸遮挡率设置所述样本图像的标签；/n根据所述样本图像集中每个样本图像和所述样本图像的标签生成训练样本，得到训练样本集。/n

【技术特征摘要】
1.一种训练样本生成方法，包括：
获取非人脸图像集和人脸图像集；
将所述人脸图像集中的每个人脸图像与从所述非人脸图像集中选取的非人脸图像组合成样本图像，得到样本图像集；
根据所述样本图像集中每个样本图像的人脸遮挡率设置所述样本图像的标签；
根据所述样本图像集中每个样本图像和所述样本图像的标签生成训练样本，得到训练样本集。


2.根据权利要求1所述的方法，其中，所述非人脸图像集通过以下步骤得到：
获取第一图像集；
从所述第一图像集中的每张第一图像中提取非人脸区域，得到非人脸区域集；
根据所述非人脸区域集生成所述非人脸图像集。


3.根据权利要求2所述的方法，其中，所述根据所述非人脸区域集生成所述非人脸图像集，包括：
对于所述非人脸区域集中的每个非人脸区域进行尺寸调整，得到所述非人脸图像集。


4.根据权利要求1所述的方法，其中，所述根据所述样本图像集中每个样本图像的人脸遮挡率设置所述样本图像的标签，包括：
根据预先设定的至少一个人脸遮挡率阈值和所述样本图像的人脸遮挡率，设置所述样本图像的标签。


5.根据权利要求4所述的方法，其中，所述标签包括非人脸图像、第一遮挡人脸图像、第二遮挡人脸图像、非遮挡人脸图像，所述至少一个人脸遮挡率阈值包括第一人脸遮挡率阈值、第二人脸遮挡率阈值和第三人脸遮挡率阈值，以及
所述根据预先设定的至少一个人脸遮挡率阈值和所述样本图像的人脸遮挡率，设置所述样本图像的标签，包括：
响应于确定所述样本图像的人脸遮挡率小于等于所述第一人脸遮挡率阈值，设置所述样本图像的标签为所述非遮挡人脸图像；
响应于确定所述样本图像的人脸遮挡率大于所述第一人脸遮挡率阈值且小于等于所述第二人脸遮挡率阈值，设置所述样本图像的标签为所述第一人脸遮挡人脸图像；
响应于确定所述样本图像的人脸遮挡率大于所述第二人脸遮挡率阈值且小于等于所述第三人脸遮挡率阈值，设置所述样本图像的标签...

【专利技术属性】
技术研发人员：邓启力，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京;11