图像样本数据增强训练方法、装置及电子设备制造方法及图纸

本公开提供了一种图像样本数据增强训练方法、装置及电子设备，涉及人工智能领域，具体涉及计算机视觉、图像识别和深度学习技术领域。具体实现方案为：获取待训练样本，并采用待训练样本对预设的关键点模型进行训练，并获取训练结果对应的第一损失值，从而根据第一损失值对预设队列所包含的至少一个训练样本进行更新，得到目标队列，其中，预设队列中存储有待训练样本中的至少部分训练样本，进而计算目标队列所包含的至少一个训练样本的第二损失值，并根据第二损失值从目标队列中确定至少一个候选训练样本，最后在任意一个或多个候选训练样本对应的第三损失值满足预设条件时，确定该候选训练样本为目标训练样本。候选训练样本为目标训练样本。候选训练样本为目标训练样本。

【技术实现步骤摘要】
图像样本数据增强训练方法、装置及电子设备


[0001]本公开涉及人工智能领域，尤其涉及计算机视觉、图像识别和深度学习
，具体而言，本公开提供了一种图像样本数据增强训练方法、装置及电子设备。

技术介绍

[0002]随着人工智能技术的发展，基于深度学习的人体姿态估计技术被越来越多地应用到人体动作分类等场景，同时随着各种深度学习算法的改进和实现，对于人体关键点的估计精度也越来越高，但是在实际的人体姿态估计的过程中也会遇到一些困难样本难以解决。例如，人体截断、人体遮挡重叠等干扰场景，会大大减弱深度学习算法的性能。
[0003]在现有技术中，通过现有的方式获取到的困难样本数量较少，容易样本和困难样本的训练不均衡，无法提升模型解决困难样本的能力。

技术实现思路

[0004]本公开提供了一种图像样本数据增强训练方法、装置及电子设备。
[0005]根据本公开的一方面，提供了一种图像样本数据增强训练方法，包括：获取待训练样本，其中，待训练样本由多张图像组成，多张图像至少包含目标对象的姿态信息，并采用待训练样本对预设的关键点模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像样本数据增强训练方法，包括：获取待训练样本，其中，所述待训练样本由多张图像组成，所述多张图像至少包含目标对象的姿态信息；采用所述待训练样本对预设的关键点模型进行训练，并获取训练结果对应的第一损失值；根据所述第一损失值对预设队列所包含的至少一个训练样本进行更新，得到目标队列，其中，所述预设队列中存储有所述待训练样本中的至少部分训练样本；计算所述目标队列所包含的至少一个训练样本的第二损失值，并根据所述第二损失值从所述目标队列中确定至少一个候选训练样本；在任意一个或多个所述候选训练样本对应的第三损失值满足预设条件时，确定该候选训练样本为目标训练样本。2.根据权利要求1所述的方法，其中，获取待训练样本，包括：获取预设设置的随机数；在所述随机数小于随机数阈值时，从训练样本库中获取所述待训练样本；在所述随机数大于或等于所述随机数阈值时，从所述目标队列中获取所述待训练样本。3.根据权利要求2所述的方法，其中，采用所述待训练样本对预设的关键点模型进行训练，并获取训练结果对应的第一损失值，包括：对所述待训练样本进行编辑操作，得到编辑后的待训练样本；采用所述编辑后的待训练样本对所述预设的关键点模型进行训练，得到所述训练结果；基于预设的损失函数计算所述训练结果对应的第一损失值。4.根据权利要求3所述的方法，其中，根据所述第一损失值对预设队列所包含的至少一个训练样本进行更新，得到目标队列，包括：在所述第一损失值大于或等于第一阈值时，存储所述待训练样本至所述预设队列中，得到所述目标队列。5.根据权利要求4所述的方法，在存储所述待训练样本至所述预设队列中，得到所述目标队列之后，所述方法还包括：确定所述目标队列所包含的至少一个训练样本的第四损失值；根据所述第四损失值的大小对所述目标队列所包含的至少一个训练样本进行排序。6.根据权利要求4所述的方法，在存储所述待训练样本至所述预设队列中，得到所述目标队列之后，所述方法还包括：获取所述目标队列的队列长度；在所述队列长度达到长度阈值时，停止向所述目标队列中存储所述待训练样本。7.根据权利要求2所述的方法，其中，从所述目标队列中获取所述待训练样本，包括：获取所述目标队列所对应的队列长度；在所述队列长度小于预设长度时，从所述目标队列中随机获取所述待训练样本；在所述队列长度大于或等于所述预设长度时，将所述目标队列划分为多个样本块，并根据所述多个样本块的样本概率从所述目标队列中确定目标样本块，得到所述待训练样
本，其中，每个样本块包含至少一个子训练样本，所述样本概率表征了所述多个样本块被选中的概率。8.根据权利要求7所述的方法，其中，将所述目标队列划分为多个样本块，包括：获取所述目标队列所包含的至少一个训练样本的第五损失值；按照所述第五损失值的大小，将所述目标队列所包含的至少一个训练样本划分为所述多个样本块。9.根据权利要求7所述的方法，其中，根据所述多个样本块的样本概率从所述目标队列中确定目标样本块，得到所述待训练样本，包括：获取所述多个样本块所对应的样本概率；根据所述样本概率从所述多个样本块中确定所述目标样本块；从所述目标队列中获取所述目标样本块所包含的子训练样本，得到所述待训练样本。10.根据权利要求1所述的方法，所述方法还包括：在当前训练样本对应的第二损失值小于第二阈值时，记录所述至少一个训练样本对应的解决次数；在所述解决次数大于预设次数时，从所述目标队列中删除所述当前训练样本。11.根据权利要求1所述的方法，所述方法还包括：获取至少一个所述候选训练样本的关键点坐标，其中，所述关键点坐标用于表征所述目标对象的姿态信息；根据所述关键点坐标计算得到第一热力图；基于所述预设的关键点模型对至少一个所述候选训练样本进行预测，得到第二热力图；根据所述第一...

【专利技术属性】
技术研发人员：卢子鹏，王健，孙昊，丁二锐，
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：