【技术实现步骤摘要】
一种用于服装图像分割模型训练数据集的数据增强方法及装置
[0001]本专利技术属于人工智能深度学习和时尚服装
，具体涉及一种用于服装图像分割模型训练数据集的数据增强方法及装置。
技术介绍
[0002]深度学习网络对图像、声音等模式进行建模之后，可以对图像、声音等模式进行识别；深度学习网络提出了一种让计算机自动学习出模式特征的方法，并将特征学习融入到了建模的过程中，从而减少了人为设计特征造成的不完备性。目前以深度学习网络为核心的某些机器学习应用，在满足特定条件的应用场景下，已经达到了超越现有算法的识别或分类性能。
[0003]图像分割技术是深度学习网络领域的重要问题，是计算机视觉的基础，是图像分类、风格迁移等多种任务的重要前处理步骤，由于分割任务的复杂性和困难性，需要大量的图片作为训练深度学习网络支撑，深度学习网络才能获得更好的性能。
[0004]但是，分割任务的数据集制作非常困难，需要对图像进行像素级标注，需要大量的人力物力参与进行标注。另外，在训练深度学习网络的过程中容易出现过拟合现象，若没有大量的图...
【技术保护点】
【技术特征摘要】
1.一种用于服装图像分割模型训练数据集的数据增强方法，其特征在于：包括以下步骤：S100、接收目标花纹图片并做花纹类别标注；接收原始服装图片，将服装在所述原始服装图片中的区域进行像素级标注，获得真实标注图片；S200、通过所述真实标注图片将所述原始服装图片中的服装部分从所述原始服装图片中进行像素级分割提取，获得待增强原始服装图片；S300、将所述待增强原始服装图片中的花纹转化为所述目标花纹图片中的花纹，获得虚拟服装图片；S400、将所述虚拟服装图片与新的背景贴合，获得数据增强后的服装图片。2.根据权利要求1所述的一种用于服装图像分割模型训练数据集的数据增强方法，其特征在于：在所述步骤S300中，通过深度学习网络将所述待增强原始服装图片中的花纹转化为所述目标花纹图片中的花纹。3.根据权利要求2所述的一种用于服装图像分割模型训练数据集的数据增强方法，其特征在于：所述深度学习网络包括用于生成所述虚拟服装图片的生成器和用于判别所述虚拟服装图片是否为真的判别器。4.根据权利要求3所述的一种用于服装图像分割模型训练数据集的数据增强方法，其特征在于：所述生成器包括：生成器A，用于将所述待增强原始服装图片的花纹生转化为所述目标花纹图片中的花纹，生成并输出待验证虚拟服装图片；生成器B，用于将所述生成器A输出的所述虚拟服装图片还原成待验证的所述待增强原始服装图片；所述判别器包括：判别器A，用于判别所述生成器A输出的所述待验证虚拟服装图片是否为真；判别器B，用于判别所述生成器B输出的所述待验证的待增强原始服装图片是否为真；所述生成器A的模型结构和所述生成器B的模型结构相同，且所述生成器A和所述生成器B同步更新。5.根据权利要求4所述的一种用于服装图像分割模型训练数据集的数据增强方法，其特征在于：所述深度学习网络采用所述生成器和所述判别器共同训练的方法进行训练。6.根据权利要求5所述的一种用于服装图像分割模型训练数据集的数据增强方法，其特征在于：训练所述深度学习网络的具体步骤包括：将数据集中的所述待增强原始服装图片作为所述生成器A的输入，所述生成器A生成并输出所述待验证虚拟服装图片；将所述目标花纹图片和所述待增强原始服装图片均输入到所述判别器A中，所述判别器A将所述目标花纹图片与所述生成器A输出的所述待验证虚拟服装图片作对比；所述判别器A判定所述生成器A输出的所述待验证虚拟服装图片为假时，所述判别器A反馈给所述生成器A，所述生成器A重新生成并输出所述待验证虚拟服装图片，所述判别器A继续判定所述待验证虚拟服装图片是否为真；将所述生成器A输出的所述待验证虚拟服装图片作为所述生成器B的输入，所述生成器B输出所述待验证的待增强原始服装图片；
将所述待增强原始服装图片和所述待验证的待增强原始服装图片均输入到所述判别器B中，所述判别器B将所述生成器B输出所述待验证的待增强原始服装图片与所述待增强原始服装图片作对比；所述判别器B判定所述生成器B 输出的所述待验证的待增强原始服装图片为假时，所述判别器B反馈给所述生成器B，所述生成器A重新生成并输出所述待验证虚拟服装图片，所述生成器B重新生成所述待验证的待增强原始服装图片，所述判别器B继续判定所述待验证的待增强原始服装图片是否为真；直到所述判别器A判定所述生成器A生成并输出的所述待验证虚拟服装图片为真且所述判别器B判定所述生成器B输出的所述待验证的待增强原始服装图片为真...
【专利技术属性】
技术研发人员：温苗苗，郑泽宇，朱成林，向忠，刘丽娴，何治，海滨，
申请(专利权)人：杭州知衣科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。