数据增强方法、装置、设备及存储介质制造方法及图纸

本申请适用于数据处理技术领域，提供一种数据增强方法、装置、设备及存储介质，其中，数据增强方法包括：分别对目标数据集和训练数据集中的图像数据进行特征提取，得到目标数据特征向量和训练数据特征向量；对所述目标数据特征向量和所述训练数据特征向量进行区别特征融合，得到融合特征向量；根据所述融合特征向量，生成与所述融合特征向量对应的融合图像数据；将所述训练数据集中的图像数据更新为所述融合图像数据。本申请能够将目标数据集中出现的个别差异数据的区别特征融合到训练数据集中的图像数据，使得增强后的训练数据集中的图像数据也能够覆盖到这些个别差异数据。像数据也能够覆盖到这些个别差异数据。像数据也能够覆盖到这些个别差异数据。

【技术实现步骤摘要】
数据增强方法、装置、设备及存储介质


[0001]本申请属于数据处理
，尤其涉及一种数据增强方法、装置、设备及存储介质。

技术介绍

[0002]在通过深度学习模型进行面部图像识别的过程中，由于采集到的面部图像数据具有多样性，深度学习模型的训练数据集不可能囊括所有类型的面部图像数据。通过训练数据集训练出的深度学习模型在应用时，会遇到少量具有区别特征的差异数据，在训练数据集缺少这些数据时，容易造成深度学习模型识别错误。为解决此问题，需要对训练数据集进行数据增强，通常的方法是在训练数据集上进行随机方向的数据增强，但是这种方法很难覆盖到可能出现的个别差异数据。

技术实现思路

[0003]本申请实施例提供了一种数据增强方法、装置、设备及存储介质，可以解决现有技术存在的训练数据增强方向随机，很难覆盖到可能出现的个别差异数据的问题。
[0004]本申请实施例的第一方面提供一种数据增强方法，包括：
[0005]分别对目标数据集和训练数据集中的图像数据进行特征提取，得到目标数据特征向量和训练数据特征向量；<br/>[0006]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据增强方法，其特征在于，包括：分别对目标数据集和训练数据集中的图像数据进行特征提取，得到目标数据特征向量和训练数据特征向量；对所述目标数据特征向量和所述训练数据特征向量进行区别特征融合，得到融合特征向量；根据所述融合特征向量，生成与所述融合特征向量对应的融合图像数据；将所述训练数据集中的图像数据更新为所述融合图像数据。2.如权利要求1所述的数据增强方法，其特征在于，所述分别对目标数据集和训练数据集中的图像数据进行特征提取，得到目标数据特征向量和训练数据特征向量，包括：通过特征提取网络，分别对目标数据集和训练数据集中的图像数据进行特征提取，得到目标数据特征向量和训练数据特征向量。3.如权利要求1所述的数据增强方法，其特征在于，所述对所述目标数据特征向量和所述训练数据特征向量进行区别特征融合，得到融合特征向量，包括：通过正交基子空间，对所述目标数据特征向量和所述训练数据特征向量进行区别特征融合，得到融合特征向量。4.如权利要求1所述的数据增强方法，其特征在于，所述根据所述融合特征向量，生成与所述融合特征向量对应的融合图像数据，包括：根据所述融合特征向量，通过生成网络生成与所述融合特征向量对应的融合图像数据。5.如权利要求1至4任一项所述的数据增强方法，其特征在于，所述将所述训练数据集中的图像数据更新为所述融合图像数据，包括：根据所述融合图像数据，计算所述融合图像数据对应的损失；在所述融合图像数据对应的损失小于预设阈值时，将所述训练数据集中的图像数据更新为所述融合图像数据。6.如权利要求5所述的数据增...

【专利技术属性】
技术研发人员：闫瑞海，
申请(专利权)人：大连熵基科技有限公司，
类型：发明
国别省市：