本发明专利技术涉及人工智能技术领域，具体提供了一种示功图自动数据增强方法及装置，具有如下步骤：S1、基于教师知识的自动增强方法交替更新目标模型和增强模型的参数，所述增强方法包括色彩扩增模型和几何扩增模型，设目标模型为教师模型，教师模型为取任意一个模型，只要和目标模型不同即可；S2、设置搜索算法和搜索空间，使用色彩扩增模型和几何扩增模型来更新搜索空间的结构；S3、生成语义辅助字段；S4、图像和语义多模态融合；S5、数据集准备。与现有技术相比，本发明专利技术能够提高样本生成效率的同时增加工况诊断准确率，降低企业成本。
【技术实现步骤摘要】
本专利技术涉及人工智能，具体提供一种示功图自动数据增强方法及装置。
技术介绍
1、工况诊断是机械设备系统运行状态的重要评价手段。示功图们作为工况诊断的数据源，其质量会对诊断结果产生重大影响。目前工况诊断多采用机器学习方法，当训练一个机器学习模型的时候，真正做的就是调参以便它能将输入（比如图片）映射到输出（比如标签）。我们优化目标是追求模型损失较低的最佳点，当参数以正确方式调整时就会发生这样的情况，显然，如果有很多参数，需要给模型足够比例的样本。但是实际机械生产过程中出现故障的概率较小，故障类型样本数量也就少，因此示功图类型间样本数量明显不均衡。
2、数据增强作为增加样本数量，平衡类间差异的方法，得到了许多研究者的关注。不过传统的数据增强方法需要手动设计，实验效果也不如人意。
技术实现思路
1、本专利技术是针对上述现有技术的不足，提供一种实用性强的示功图自动数据增强方法。
2、本专利技术进一步的技术任务是提供一种设计合理，安全适用的示功图自动数据增强装置。
>3、本专利技术解决本文档来自技高网...
【技术保护点】
1.一种示功图自动数据增强方法，其特征在于，具有如下步骤：
2.根据权利要求1所述的一种示功图自动数据增强方法，其特征在于，在步骤S1中，使用两种教师模型，一个为预训练模型，另一个为EMA模型；
3.根据权利要求2所述的一种示功图自动数据增强方法，其特征在于，在步骤S2中，所述搜索算法的主体为增强学习，由两部分构成，分别为控制器和训练算法，所述控制器由RNN来充当；
4.根据权利要求3所述的一种示功图自动数据增强方法，其特征在于，所述搜索空间由许多子策略组成，其中一个子策略是每个批次中的每个图像随机选择的，子策略由两个操作组成，每个操作均具有图像处理功...
【技术特征摘要】
1.一种示功图自动数据增强方法，其特征在于，具有如下步骤：
2.根据权利要求1所述的一种示功图自动数据增强方法，其特征在于，在步骤s1中，使用两种教师模型，一个为预训练模型，另一个为ema模型；
3.根据权利要求2所述的一种示功图自动数据增强方法，其特征在于，在步骤s2中，所述搜索算法的主体为增强学习，由两部分构成，分别为控制器和训练算法，所述控制器由rnn来充当；
4.根据权利要求3所述的一种示功图自动数据增强方法，其特征在于，所述搜索空间由许多子策略组成，其中一个子策略是每个批次中的每个图像随机选择的，子策略由两个操作组成，每个操作均具有图像处理功能，使用搜索算法找到最佳策略，以便神经网络在目标数据集上产生最高的验证准确度。
5.根据权利要求4所述的一种示功图自动数据增强方法，其特征在于，在步骤s3中，结合实际生产的不同工况文字描述来作为文本特征提...
【专利技术属性】
技术研发人员：王强，张野，王冠军，常靓，张帅，孙源，宋超宇，
申请(专利权)人：浪潮软件科技有限公司，
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。