构建样本图像集的方法、装置、电子设备及可读存储介质制造方法及图纸

本公开提供了一种构建样本图像集的方法、装置、电子设备及可读存储介质，涉及深度学习、计算机视觉等人工智能技术领域，可应用于人脸图像处理、人脸识别等场景。其中，构建样本图像集的方法包括：将至少两张样本图像划分为至少两个第一样本图像集；获取清晰图像集与模糊图像集；根据所述清晰图像集、所述模糊图像集与至少两个所述第一样本图像集，构建与每个所述第一样本图像集对应的第二样本图像集。本公开能够提升所构建的第二样本图像集的准确性。能够提升所构建的第二样本图像集的准确性。能够提升所构建的第二样本图像集的准确性。

【技术实现步骤摘要】
构建样本图像集的方法、装置、电子设备及可读存储介质


[0001]本公开涉及深度学习、计算机视觉等人工智能
，可应用于人脸图像处理、人脸识别等场景。具体提供了一种构建样本图像集的方法、装置、电子设备及可读存储介质。

技术介绍

[0002]随着人工智能技术的发展，图像的清晰度识别越来越受到人们的关注。在相关技术中，通常使用图像分类模型的方式，由图像分类模型对所输入的图像进行清晰或者模糊的分类。但是，在使用训练数据来训练神经网络模型得到图像分类模型时，通常是直接使用由训练数据所划分的多个batch来训练神经网络模型，导致训练得到的图像分类模型的分类准确性较低。

技术实现思路

[0003]根据本公开的第一方面，提供了一种构建样本图像集的方法，包括：将至少两张样本图像划分为至少两个第一样本图像集；获取清晰图像集与模糊图像集；根据所述清晰图像集、所述模糊图像集与至少两个所述第一样本图像集，构建与每个所述第一样本图像集对应的第二样本图像集。
[0004]根据本公开的第二方面，提供了一种构建样本图像集的装置，包括：划分单元，用于将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种构建样本图像集的方法，包括：将至少两张样本图像划分为至少两个第一样本图像集；获取清晰图像集与模糊图像集；根据所述清晰图像集、所述模糊图像集与至少两个所述第一样本图像集，构建与每个所述第一样本图像集对应的第二样本图像集。2.根据权利要求1所述的方法，其中，所述获取清晰图像集与模糊图像集包括：从至少两个所述第一样本图像集中获取第三样本图像集；根据所述第三样本图像集中具有清晰标签的样本图像，生成所述清晰图像集；根据所述第三样本图像集中具有模糊标签的样本图像，生成所述模糊图像集。3.根据权利要求1
‑
2中任一项所述的方法，其中，所述根据所述清晰图像集、所述模糊图像集与至少两个所述第一样本图像集，构建与每个所述第一样本图像集对应的第二样本图像集包括：针对每个第一样本图像集中的每张样本图像，根据该样本图像的标注标签，确定所述清晰图像集与所述模糊图像集中的目标图像集；计算该样本图像与所述目标图像集之间的目标相似度；在确定所述目标相似度满足预设要求的情况下，将该样本图像添加到所述目标图像集；在完成对该第一样本图像集中每张样本图像的上述处理之后，分别从该第一样本图像集、以及添加样本图像之后的清晰图像集与模糊图像集中选取样本图像，构建与该第一样本图像集对应的第二样本图像集。4.根据权利要求3所述的方法，其中，所述计算该样本图像与所述目标图像集之间的目标相似度包括：获取该样本图像、以及所述目标图像集中每张目标样本图像的图像特征；根据所获取的图像特征，计算该样本图像与每张目标样本图像之间的相似度；根据该样本图像与每张目标样本图像之间的相似度，得到该样本图像与所述目标图像集之间的目标相似度。5.根据权利要求3所述的方法，还包括，在将该样本图像添加到所述目标图像集之后，获取所述目标图像集中目标样本图像的图像数量；在确定所述图像数量超过图像阈值的情况下，将所述目标图像集中的目标样本图像进行删除。6.根据权利要求3所述的方法，其中，所述分别从该第一样本图像集、以及添加样本图像之后的清晰图像集与模糊图像集中选取样本图像包括：获取该第一样本图像集中样本图像的图像数量；根据所述图像数量与预设比例，分别从该第一样本图像集、以及添加样本图像之后的清晰图像集与模糊图像集中选取样本图像。7.一种构建样本图像集的装置，包括：划分单元，用于将至少两张样本图像划分为至少两个第一样本图像集；获取单元，用于获取清晰图像集与模糊图像集；
构建单元，用于根据所述清晰图像集、所述模糊图像集与至少两个所述第一样本图像集，构建与每个所述第一样本图像集对应的第二样本图像集。8.根据权利要求7所述的装置，其中，所述获取单元在获取清晰图像集与模糊图像集时，具体执行...

【专利技术属性】
技术研发人员：何斌，
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：