【技术实现步骤摘要】
本文描述的实施例总体涉及提供训练数据以增加深度神经网络(dnn)的能力。
技术介绍
1、深度神经网络(dnn)需要大量的训练数据才能获得最佳或接近最佳的性能。然而，收集大规模数据集既昂贵又耗时。
技术实现思路
1、在一个示例实施例中，媒体平台包括：图像提取器，用于从输入图像提取潜在特征和至少一个类别；生成式模型，用于基于所提取的潜在特征生成合成图像，其中合成图像具有与输入图像具有相同类别的合成图像；解码器，用于使用所生成的合成图像训练深度神经网络(dnn)图像生成模型；以及dnn图像生成器，用于利用dnn图像来生成模型生成图像。
2、根据至少一个其他示例实施例，一种自动数据生成方法包括从输入图像提取潜在特征和至少一个分类，将所提取的潜在特征输入生成模型解码器，以及使用大规模生成模型生成合成图像。
3、根据至少一个其他示例实施例，一种非易失性计算机可读介质具有存储在其上的计算机可执行指令，计算机可执行指令在执行时，使一个或多个处理器执行操作，这些操作包括从输入图像提取潜在特征和至少一个分类，向潜在特征添加扰动，将经扰动的潜在特征解码到预先训练的生成式模型，以及利用经解码的图像训练深度神经网络(dnn)图像生成器。
【技术保护点】
1.一种媒体平台，包括：
2.根据权利要求1所述的媒体平台，其中所提取的所述潜在特征受到随机噪声和偏差的扰动，所述随机噪声和偏差被优化以维持分类一致性、增加预测熵以及提高针对后续图像的多样性。
3.根据权利要求1所述的媒体平台，其中所述媒体平台是社交媒体平台。
4.根据权利要求3所述的媒体平台，其中所述DNN图像生成器用于针对所述社交媒体平台生成网络迷因。
5.根据权利要求1所述的媒体平台，其中所述媒体平台为视频安全平台。
6.根据权利要求5所述的媒体平台，其中所述DNN图像生成器用于针对对象检测模型生成图像。
7.一种自动数据生成方法，包括：
8.根据权利要求7所述的方法，其中所述合成图像x’被生成为：
9.根据权利要求8所述的方法，其中所提取的所述潜在特征受到随机噪声和偏差的扰动，所述随机噪声和偏差被优化以维持分类一致性、增加预测熵以及提高针对后续图像的多样性。
10.根据权利要求9所述的方法，其中δ是从高斯分布中采样的随机噪声。
11.根据权利要求9所述的
12.根据权利要求9所述的方法，其中f(x)不改变针对x的分类。
13.根据权利要求9所述的方法，其中所生成的所述合成图像具有相同的分类y。
14.一种其上存储有计算机可执行指令的非易失性计算机可读介质，所述计算机可执行指令在执行时，使一个或多个处理器执行操作，所述操作包括：
15.根据权利要求14所述的非易失性计算机可读介质，其中所述提取由对比预训练模型CLIP图像编码器来执行。
16.根据权利要求14所述的非易失性计算机可读介质，其中所述扰动是从高斯分布中采样的随机噪声。
17.根据权利要求16所述的非易失性计算机可读介质，其中所述扰动包括随机噪声和偏差，所述随机噪声和偏差被优化以维持分类一致性、增加预测熵以及提高针对后续图像的多样性。
18.根据权利要求16所述的非易失性计算机可读介质，其中所述解码由DALL-E2解码器来执行。
19.根据权利要求14所述的非易失性计算机可读介质，其中经解码的所述图像具有与所述输入图像相同的分类。
...【技术特征摘要】
1.一种媒体平台，包括：
2.根据权利要求1所述的媒体平台，其中所提取的所述潜在特征受到随机噪声和偏差的扰动，所述随机噪声和偏差被优化以维持分类一致性、增加预测熵以及提高针对后续图像的多样性。
3.根据权利要求1所述的媒体平台，其中所述媒体平台是社交媒体平台。
4.根据权利要求3所述的媒体平台，其中所述dnn图像生成器用于针对所述社交媒体平台生成网络迷因。
5.根据权利要求1所述的媒体平台，其中所述媒体平台为视频安全平台。
6.根据权利要求5所述的媒体平台，其中所述dnn图像生成器用于针对对象检测模型生成图像。
7.一种自动数据生成方法，包括：
8.根据权利要求7所述的方法，其中所述合成图像x’被生成为：
9.根据权利要求8所述的方法，其中所提取的所述潜在特征受到随机噪声和偏差的扰动，所述随机噪声和偏差被优化以维持分类一致性、增加预测熵以及提高针对后续图像的多样性。
10.根据权利要求9所述的方法，其中δ是从高斯分布中采样的随机噪声。
11.根据权利要求9所述的方法，其中...
【专利技术属性】
技术研发人员：张一帆，周大权，王锴，冯佳时，
申请(专利权)人：脸萌有限公司，
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。