本发明专利技术公开了样本源增广方法、装置、设备及可读介质。方法包括：确定待增广样本源，其中，待增广样本源应用于深度学习模型的训练；根据所述待增广样本源中的图像得到对应的样本图像；确定所述待增广样本源对应的自定义增广方案；将所述自定义增广方案应用于所述样本图像，得到增广样本源。本发明专利技术提供的方案能够对样本源的增广方案进行自定义配置，因此能够针对不同样本源及场景定制增广方案，通过配置的自定义增广方案对样本源中的样本图像进行增广，从而提高样本源的增广效果。从而提高样本源的增广效果。从而提高样本源的增广效果。
【技术实现步骤摘要】
样本源增广方法、装置、设备及可读介质
[0001]本专利技术涉及人工智能
，尤其涉及样本源增广方法、装置、设备及可读介质。
技术介绍
[0002]在进行深度学习训练时，样本源的数量对深度学习的影响较大，在样本源数量不够多的情况下，会导致深度学习训练的模型质量不高，影响后续模型应用，所以需要对有限数量的样本源进行增广操作。
[0003]目前的样本源增广方式有在线增广和离线增广两种，在线增广就是在训练过程中一边训练一边对样本源进行增广操作；离线增广是在训练之前对样本源进行增广，生成增广的图像。
[0004]然而上述样本源增广方式的实现方式大多都针对特定样本源编写对应的算法，会使样本源增广的维度有限，增广效果欠佳。因此，需要一种效果更好的样本源增广方法。
技术实现思路
[0005]本专利技术提供了样本源增广方法、装置、设备及可读介质，以提高深度学习模型的样本源的增广效果。
[0006]根据本专利技术的一方面，提供了一种样本源增广方法，包括：确定待增广样本源，其中，待增广样本源应用于深度学习模型的训练；根据所述待增广样本源中的图像得到对应的样本图像；确定所述待增广样本源对应的自定义增广方案；将所述自定义增广方案应用于所述样本图像，得到增广样本源。
[0007]可选的，所述根据所述待增广样本源中的图像得到对应的样本图像，包括：确定每张所述图像的待识别区域；通过标记框标记每张所述图像的待识别区域；通过标签对每张所述图像的待识别区域进行标注，得到所述样本图像。
[0008]可选的，所述确定所述待增广样本源对应的自定义增广方案，包括：确定所述自定义增广方案的增广方式，所述增广方式为在线增广或离线增广；从预设的增广规则中选择所述自定义增广方案的目标增广规则，对所述目标增广规则进行配置。
[0009]可选的，当自定义增广方案的增广方式为在线增广时，所述将所述自定义增广方案应用于所述样本图像，得到增广样本源，包括：将所述待增广样本源输入至预设的深度学习模型中进行训练；在所述深度学习模型训练过程中，根据所述自定义增广方案中包括的目标增广规则对所述待增广样本源中的样本图像进行增广，得到所述增广样本源。
[0010]可选的，当自定义增广方案的增广方式为离线增广时，所述将所述自定义增广方案应用于所述样本图像，得到增广样本源，包括：根据所述自定义增广方案中包括的目标增广规则对所述待增广样本源中的样本图像进行增广，得到所述增广样本源；将所述增广样本源输入至预设的深度学习模型中进行训练。
[0011]可选的，所述增广规则包括：维度增广规则，所述维度增广规则中包括至少一种增
广维度，每种增广维度对应图像的一种属性；相应的，当所述目标增广规则为所述维度增广规则时，所述对所述目标增广规则进行配置，包括：从所述至少一种增广维度中选择至少一种目标增广维度；配置每种目标增广维度对应的属性的属性值。
[0012]可选的，所述增广规则包括：编辑增广规则，所述编辑增广规则包括图像剪裁和图像混叠；相应的，当所述目标增广规则为所述编辑增广规则时，所述对所述目标增广规则进行配置，包括：对图像剪裁的区域进行配置和/或对图像混叠的效果进行配置。
[0013]可选的，所述增广规则包括：随机增广规则；相应的，当所述目标增广规则为所述随机增广规则时，所述对所述目标增广规则进行配置，包括：从所述维度增广规则和所述编辑增广规则中随机选择其一；当随机选择到所述维度增广规则时，从所述维度增广规则中包括的至少一种增广维度中随机选择至少一种增广维度，并随机配置所述增广维度对应的属性值；当随机选择到所述编辑增广规则时，随机对图像剪裁的区域进行配置和/或随机对图像混叠的效果进行配置。
[0014]根据本专利技术的另一方面，提供了一种样本源增广装置，包括：待增广样本源确定单元，用于确定待增广样本源，其中，待增广样本源应用于深度学习模型的训练；样本图像确定单元，用于根据所述待增广样本源中的图像得到对应的样本图像；自定义增广方案确定单元，用于确定所述待增广样本源对应的自定义增广方案；自定义增广方案应用单元，用于将所述自定义增广方案应用于所述样本图像，得到增广样本源。
[0015]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0016]至少一个处理器；以及
[0017]与所述至少一个处理器通信连接的存储器；其中，
[0018]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的样本源增广方法。
[0019]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的样本源增广方法。
[0020]本专利技术实施例的技术方案，通过确定待增广样本源，根据所述待增广样本源中的图像得到对应的样本图像，确定所述待增广样本源对应的自定义增广方案，将所述自定义增广方案应用于所述样本图像，得到增广样本源。本专利技术提供的方案能够对样本源的增广方案进行自定义配置，因此能够针对不同样本源及场景定制增广方案，通过配置的自定义增广方案对样本源中的样本图像进行增广，从而提高样本源的增广效果。
[0021]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0022]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1为本专利技术实施例一提供的一种样本源增广方法的流程图；
[0024]图2为本专利技术实施例二提供的一种自定义增广方案确定方法的流程图；
[0025]图3为本专利技术实施例三提供的一种样本源增广装置的结构示意图
[0026]图4是实现本专利技术实施例的样本源增广方法的电子设备的结构示意图。
具体实施方式
[0027]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0028]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.样本源增广方法，其特征在于，包括：确定待增广样本源，其中，待增广样本源应用于深度学习模型的训练；根据所述待增广样本源中的图像得到对应的样本图像；确定所述待增广样本源对应的自定义增广方案；将所述自定义增广方案应用于所述样本图像，得到增广样本源。2.根据权利要求1所述的方法，其特征在于，所述根据所述待增广样本源中的图像得到对应的样本图像，包括：确定所述待增广样本源中每张所述图像的待识别区域；通过标记框标记每张所述图像的待识别区域；通过标签对每张所述图像的待识别区域进行标注，得到所述样本图像。3.根据权利要求1所述的方法，其特征在于，所述确定所述待增广样本源对应的自定义增广方案，包括：确定所述待增光样本源对应的所述自定义增广方案的增广方式，所述增广方式为在线增广或离线增广；从预设的增广规则中选择所述自定义增广方案的目标增广规则，对所述目标增广规则进行配置。4.根据权利要求3所述的方法，其特征在于，当自定义增广方案的增广方式为在线增广时，所述将所述自定义增广方案应用于所述样本图像，得到增广样本源，包括：将所述待增广样本源输入至预设的深度学习模型中进行训练；在所述深度学习模型训练过程中，根据所述自定义增广方案中包括的目标增广规则对所述待增广样本源中的样本图像进行增广，得到所述增广样本源；当自定义增广方案的增广方式为离线增广时，所述将所述自定义增广方案应用于所述样本图像，得到增广样本源，包括：根据所述自定义增广方案中包括的目标增广规则对所述待增广样本源中的样本图像进行增广，得到所述增广样本源；将所述增广样本源输入至预设的深度学习模型中进行训练。5.根据权利要求3所述的方法，其特征在于，所述增广规则包括：维度增广规则，所述维度增广规则中包括至少一种增广维度，每种增广维度对应图像的一种属性；相应的，当所述目标增广规则为所述维度增广规则时，所述对所述目标增广规则进行配置，包括：从所述至少一种增广维度中选择至少一种目标...
【专利技术属性】
技术研发人员：钱生，赵严，
申请(专利权)人：苏州凌云光工业智能技术有限公司，
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。