数据处理方法、模型训练方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例提供一种数据处理方法、模型训练方法、装置、设备和存储介质，该方法包括：接收用户上传的包含样本生成请求的请求数据，再根据请求数据，获取包含目标对象的输入样本图像。确定此输入样本图像中包含目标对象的目标图像区域对应的空间关系特征，并根据此空间关系特征获取生成样本图像。可见，通过生成样本图像的生成，可以实现样本图像的数据增强。同时，生成样本图像生成过程中使用的仅是输入样本图像中目标对象所在的图像区域对应的空间关系特征，而非整张输入样本图像的空间关系特征，避免了输入样本图像中非目标对象所在的图像区域的空间关系特征对生成样本图像的生成产生干扰，使得生成样本图像更加逼真。使得生成样本图像更加逼真。使得生成样本图像更加逼真。

【技术实现步骤摘要】
数据处理方法、模型训练方法、装置、设备和存储介质


[0001]本专利技术涉及计算机
，尤其涉及一种数据处理方法、模型训练方法、装置、设备和存储介质。

技术介绍

[0002]神经网络模型已经在人工智能、智能控制等众多领域有着广泛应用前景。神经网络模型的训练过程中，训练样本的质量会直接影响到模型的训练效果，即训练样本的数量越多且训练样本的多样性越丰富，模型的训练效果越好。
[0003]而从样本数量角度来说，在一些特定应用场景中往往又会存在样本获取困难的情况。为了保证样本的数量，对已有的样本进行数据增强就是一种常见的解决方式。此时，如何对样本进行数据增强就成为一个亟待解决的问题。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供一种数据处理方法、模型训练方法、装置、设备和存储介质，用以实现输入样本图像的数据增强。
[0005]第一方面，本专利技术实施例提供一种数据处理方法，包括：
[0006]接收用户上传的请求数据，其中，所述请求数据包括样本生成请求；
[0007]根据所述请求数据，获取输入样本图像，其中，所述输入样本图像包括目标对象；
[0008]确定包含所述目标对象的目标图像区域对应的空间关系特征；
[0009]基于所述空间关系特征，获取生成样本图像。
[0010]第二方面，本专利技术实施例提供一种数据处理装置，包括：
[0011]接收模块，用于接收用户上传的请求数据，其中，所述请求数据包括样本生成请求；
[0012]第一获取模块，用于根据所述请求数据，获取输入样本图像，其中，所述输入样本图像包括目标对象；
[0013]确定模块，用于确定包含所述目标对象的目标图像区域对应的空间关系特征；
[0014]第二获取模块，用于基于所述空间关系特征，获取生成样本图像。
[0015]第三方面，本专利技术实施例提供一种电子设备，包括处理器和存储器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第一方面中的数据处理方法。该电子设备还可以包括通信接口，用于与其他设备或通信网络通信。
[0016]第四方面，本专利技术实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如第一方面所述的数据处理方法。
[0017]第五方面，本专利技术实施例提供一种数据处理方法，包括：
[0018]展示用户输入的包含目标对象的输入样本图像；
[0019]响应于所述用户的输入操作，根据所述用户输入的图像区域属性信息，在所述输入样本图像中确定具有所述属性信息的备选图像区域；
[0020]响应于所述用户触发的确认操作，在所述备选图像区域中确定包含所述目标对象的目标图像区域；
[0021]确定所述目标图像区域对应的空间关系特征；
[0022]基于所述空间关系特征，获取生成样本图像。
[0023]第六方面，本专利技术实施例提供一种数据处理装置，包括：
[0024]展示模块，用于展示用户输入的包含目标对象的输入样本图像；
[0025]第一确定模块，用于响应于所述用户的输入操作，根据所述用户输入的图像区域属性信息，在所述输入样本图像中确定具有所述属性信息的备选图像区域；
[0026]第二确定模块，用于响应于所述用户触发的确认操作，在所述备选图像区域中确定包含所述目标对象的目标图像区域；
[0027]第三确定模块，用于确定所述目标图像区域对应的空间关系特征；
[0028]获取模块，用于基于所述空间关系特征，获取生成样本图像。
[0029]第七方面，本专利技术实施例提供一种电子设备，包括处理器和存储器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第五方面中的数据处理方法。该电子设备还可以包括通信接口，用于与其他设备或通信网络通信。
[0030]第八方面，本专利技术实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如第五方面所述的数据处理方法。
[0031]第九方面，本专利技术实施例提供一种数据处理方法，包括：
[0032]获取包含目标对象的输入样本图像；
[0033]确定所述输入样本图像中包含所述目标对象的目标图像区域对应的空间关系特征；
[0034]将所述空间关系特征输入到训练至收敛的生成网络中，以获得所述生成网络输出的第一生成样本图像。
[0035]第十方面，本专利技术实施例提供一种数据处理装置，包括：
[0036]获取模块，用于获取包含目标对象的输入样本图像；
[0037]确定模块，用于确定所述输入样本图像中包含所述目标对象的目标图像区域对应的空间关系特征；
[0038]输入模块，用于将所述空间关系特征输入到训练至收敛的生成网络中，以获得所述生成网络输出的第一生成样本图像。
[0039]第十一方面，本专利技术实施例提供一种电子设备，包括处理器和存储器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第九方面中的数据处理方法。该电子设备还可以包括通信接口，用于与其他设备或通信网络通信。
[0040]第十二方面，本专利技术实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行
时，使所述处理器至少可以实现如第九方面所述的数据处理方法。
[0041]第十三方面，本专利技术实施例提供一种模型训练方法，包括：
[0042]获取包含目标对象的输入样本图像；
[0043]确定所述输入样本图像中包含所述目标对象的目标图像区域对应的空间关系特征；
[0044]将所述空间关系特征输入到未训练至收敛的生成网络中，以获得所述生成网络输出的生成样本图像；
[0045]以所述生成样本图像作为负样本，以所述输入样本图像作为正样本，对判别网络进行训练；
[0046]根据训练后的判别网络对所述生成网络进行训练。
[0047]第十四方面，本专利技术实施例提供一种模型训练装置，包括：
[0048]获取模块，用于获取包含目标对象的输入样本图像；
[0049]确定模块，用于确定所述输入样本图像中包含所述目标对象的目标图像区域对应的空间关系特征；
[0050]输入模块，用于将所述空间关系特征输入到未训练至收敛的生成网络中，以获得所述生成网络输出的生成样本图像；
[0051]第一训练模块，用于以所述生成样本图像作为负样本，以所述输入样本图像作为正样本，对判别网络进行训练；
[0052]第二训练模块，用于根据训练后的判别网络对所述生成网络进行训练；其中，其中，所述输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：接收用户上传的请求数据，其中，所述请求数据包括样本生成请求；根据所述请求数据，获取输入样本图像，其中，所述输入样本图像包括目标对象；确定包含所述目标对象的目标图像区域对应的空间关系特征；基于所述空间关系特征，获取生成样本图像。2.根据权利要求1所述的方法，其特征在于，所述基于所述空间关系特征，获取生成样本图像，包括：基于所述空间关系特征，通过生成网络，获取所述生成样本图像。3.一种数据处理方法，其特征在于，包括；展示用户输入的包含目标对象的输入样本图像；响应于所述用户的输入操作，根据所述用户输入的图像区域属性信息，在所述输入样本图像中确定具有所述属性信息的备选图像区域；响应于所述用户触发的确认操作，在所述备选图像区域中确定包含所述目标对象的目标图像区域；确定所述目标图像区域对应的空间关系特征；基于所述空间关系特征，获取生成样本图像。4.一种数据处理方法，其特征在于，包括：获取包含目标对象的输入样本图像；确定所述输入样本图像中包含所述目标对象的目标图像区域对应的空间关系特征；将所述空间关系特征输入到训练至收敛的生成网络中，以获得所述生成网络输出的第一生成样本图像。5.根据权利要求4所述的方法，其特征在于，所述输入样本图像和所述第一生成样本图像为三维图像。6.根据权利要求5所述的方法，其特征在于，所述确定所述输入样本图像中包含所述目标对象的目标图像区域对应的空间关系特征，包括：根据所述输入样本图像中像素点的像素信息，对所述像素点进行聚类；根据聚类结果确定所述目标图像区域以及所述空间关系特征。7.根据权利要求5所述的方法，其特征在于，所述方法还包括：对所述空间关系特征进行变换处理，以扩展所述空间关系特征的数量。8.根据权利要求4所述的方法，其特征在于，所述方法还包括：将所述空间关系特征输入到未训练至收敛的生成网络中，以获得所述生成网络输出的第二生成样本图像；以所述第二生成样本图像作为负样本，以所述输入样本图像作为正样本，对判别网络进行训练；根据训练后的判别网络对所述生成网络进行训练。9.根据权利要求8所述的方法，其特征在于，所述根据训练后的判别网络对所述生成网络进行训练，包括：将所述第二生成样本图像输入到所述训练后的判别网络中，以通过所述训练后的判别网络获得与所述第二生成样本图像对应的第一损失值；
根据所述第一损失值调整所述生成网络的参数。10.根据权利要求9所述的方法，其特征在于，所述方法还包括：根据所述第二生成样本图像和所述输入样本图像的相似度，获取所述第二生成样本图像对应的第二损失值；根据所述第一损失值和所述第二损失值对调整所述生成网络的参数。11.根据权利要求4所述的方法，其特征在于，所述方法还包括：以所述输入图像样本以及训练至收敛的生成网络输出的生成样本图像为训练样本，训练分割网络，所述分割网络用于确定输入的待识别图像中是否包含所述目标对象。12.一种模型训练方法，其特征在于，包括：获取包含目标对象的输入样本图像；确定所述输入样本图像中包含所述目标对象的目标图像区域对应的空间关系特征；将所述空间关系特征输入到未训练至收敛的生成网络中，以获得所述生成网络输出的生成样本图像；以所述生成样本图像作为负样本，以所述输入样本图像作为正样本，对判别网络进行训练；根据训练后的判别网络对所述生成网络进行训练。13.根据权利要求12所述的方法，其特征在于，所述输入样本图像和所述生成样本图像为三维图像。14.一种数据处理装置，其特征在于，包括：接收模块，用于接收用户上传的请求数据，其中，所述请求数据包括样...

【专利技术属性】
技术研发人员：郭恒，许敏丰，迟颖，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：