数据生成方法、装置、电子设备和存储介质制造方法及图纸

本公开关于数据生成方法、装置、电子设备和存储介质，包括：将输入图像输入目标模型，获得输入图像的分割结果；基于分割结果、预设指导图像所包含的N个第一网格区域中的M个第一网格区域中每个像素点的预设类别标签值，获取输入图像的优化值；在优化值不满足预设条件时，基于优化值对输入图像进行优化，获得优化图像；将优化图像作为输入图像进行下一次优化，直至获得优化值满足预设条件的最终优化图像。本公开提出的数据生成方法，无需依赖BN层的先验信息，可以通过迭代更新的方式，对输入图像进行更新，即可以获得用于对目标模型进行压缩的、且接近原始训练数据分布的图像数据，进而可以实现对目标模型进行压缩。进而可以实现对目标模型进行压缩。进而可以实现对目标模型进行压缩。

【技术实现步骤摘要】
数据生成方法、装置、电子设备和存储介质


[0001]本公开涉及计算机
，更具体地说，涉及数据生成方法、装置、电子设备和存储介质。

技术介绍

[0002]模型压缩方法可以包含多种，例如，量化、剪枝、知识蒸馏等等，这些压缩方法均强依赖于原始训练数据集。然而，在实际应用中，出于隐私保护或者数据安全等方面的考虑，模型的训练数据往往无法获取到。
[0003]为了解决模型的训练数据缺失的问题，一些基于模型的无数据的数据生成方法陆续被提出，这些方法能够根据模型的自身信息进行数据生成。但是，大部分数据生成方法均只适用于图像分类模型，并不适用于图像分割模型，目前，在图像分割领域，在基于模型的数据生成中，如何能提供一种具有一定通用性的，适用多种网络模型，且生成的数据具有完整性和多样性的数据生成方法，是本领域亟待解决的问题。

技术实现思路

[0004]本公开提供数据生成方法、装置、电子设备和存储介质，以至少解决上述相关技术中，在图像分割领域，在基于模型的数据生成中，如何生成具有一定通用性的，适用多种网络模型，且具有完整性和多样性的数据的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据生成方法，所述数据基于目标模型生成，所述目标模型包括多目标分类模型，其特征在于，包括：将输入图像输入所述目标模型，获得所述输入图像的分割结果，其中，所述分割结果包括所述输入图像的每个像素点的预测类别标签值；基于所述分割结果、预设指导图像所包含的N个第一网格区域中的M个第一网格区域中每个像素点的预设类别标签值，获取所述输入图像的优化值，其中，所述M个第一网格区域中每个第一网格区域被预先赋予有随机的一种预设类别标签值，N>1，且N为整数，1≤M≤N，且M为整数；在所述优化值不满足预设条件时，基于所述优化值对所述输入图像进行优化，获得优化图像；将所述优化图像作为输入图像进行下一次优化，直至获得所述优化值满足所述预设条件的最终优化图像。2.根据权利要求1所述的数据生成方法，其特征在于，所述基于所述分割结果、预设指导图像所包含的N个第一网格区域中的M个第一网格区域中每个像素点的预设类别标签值，获取所述输入图像的优化值，包括：将所述分割结果划分为N个第二网格区域，其中，所述分割结果的划分方式与所述预设指导图像的划分方式相同；基于所述M个第一网格区域中每个像素点的预设类别标签值、以及所述N个第二网格区域中的M个第二网格区域中每个像素点的预测类别标签值，获取所述输入图像的优化值，其中，所述M个第一网格区域与所述M个第二网格区域分别处于所述预设指导图像和所述分割结果对应的位置。3.根据权利要求2所述的数据生成方法，其特征在于，所述基于所述M个第一网格区域中每个像素点的预设类别标签值、以及所述N个第二网格区域中的M个第二网格区域中每个像素点的预测类别标签值，获取所述输入图像的优化值，包括：针对M个网格区域对中的每个网格区域对，基于所述第一网格区域内的像素点的预设类别标签值和所述第二网格区域内的像素点的预测类别标签值，计算每个网格区域对对应的损失函数值，从而得到M个损失函数值，其中，每个网格区域对包括一个所述第一网格区域以及与其对应的所述第二网格区域；基于所述M个损失函数值，确定所述输入图像的优化值。4.根据权利要求3所述的数据生成方法，其特征在于，所述基于所述M个第一网格区域中每个像素点的预设类别标签值、以及所述N个第二网格区域中的M个第二网格区域中每个像素点的预测类别标签值，获取所述输入图像的优化值，还包括：基于所述分割结果中每个像素点的预测类别标签值，以及所述M个第一网格区域中每个像素点对应的预设类别标签值，计算正则化函数值；基于所述M...

【专利技术属性】
技术研发人员：刘芳，解锋涛，赵鹏飞，卢柯，杜芳芳，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：