[發明專利]樣本生成方法、裝置及設備

在審

• 申請號: 201910233792.X
• 申請日: 2019-03-26
• 公開（公告）號: CN111753859A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 張鵬
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

1.一種樣本生成方法，其特征在于，包括：

獲取指定標準字的特征描述向量，特征描述向量用于指示所述指定標準字的內容；

利用所述特征描述向量和指定的非標準特征向量將指定標準字轉換成目標樣本，所述目標樣本對應的風格與非標準特征向量表示的風格相同。

2.如權利要求1所述的樣本生成方法，其特征在于，所述獲取指定標準字的特征描述向量，包括：

將包含有所述指定標準字的第一圖像輸入至已訓練的學生網絡中的第一神經網絡，以由所述第一神經網絡對輸入的所述第一圖像進行特征提取得到特征描述向量。

3.如權利要求2所述的樣本生成方法，其特征在于，所述第一神經網絡對輸入的所述第一圖像進行特征提取得到特征描述向量，包括：

所述第一神經網絡至少通過用于執行卷積處理的卷積層、及用于執行非線性變換處理的第一非線性變換層對所述第一圖像進行特征提取得到特征描述向量。

4.如權利要求1所述的樣本生成方法，其特征在于，利用所述特征描述向量和指定的非標準特征向量將指定標準字轉換成目標樣本，包括：

將所述特征描述向量與所述非標準特征向量輸入至已訓練的學生網絡中的第二神經網絡，以由所述第二神經網絡將所述特征描述向量與所述非標準特征向量進行融合得到融合向量，利用所述融合向量生成第二圖像；

將所述第二圖像確定為所述目標樣本。

5.如權利要求4所述的樣本生成方法，其特征在于，所述第二神經網絡包括融合層；所述特征描述向量與所述非標準特征向量的維度相同；

所述第二神經網絡將所述特征描述向量與所述非標準特征向量進行融合得到融合向量，包括：

所述第二神經網絡利用融合層將所述特征描述向量與所述非標準特征向量S執行疊加處理得到所述融合向量。

6.如權利要求4所述的樣本生成方法，其特征在于，所述第二神經網絡包括全連接層和融合層；所述特征描述向量與所述非標準特征向量的維度不同；

所述第二神經網絡將所述特征描述向量與所述非標準特征向量進行融合得到融合向量，包括：

所述第二神經網絡利用全連接層將所述非標準特征向量映射為維度與所述特征描述向量的維度相同的參考向量；

所述第二神經網絡利用融合層將所述特征描述向量與參考向量執行疊加處理得到所述融合向量。

7.如權利要求4所述的樣本生成方法，其特征在于，所述第二神經網絡包括融合層；

所述第二神經網絡將所述特征描述向量與所述非標準特征向量進行融合得到融合向量，包括：

所述第二神經網絡利用融合層將所述特征描述向量與所述非標準特征向量S進行合并得到所述融合向量。

8.如權利要求5至7任一所述的樣本生成方法，其特征在于，所述第二神經網絡還包括：用于執行反卷積處理的反卷積層、及用于執行非線性變換的第二非線性變換層；

所述第二神經網絡利用所述融合向量生成第二圖像包括：

所述第二神經網絡利用所述反卷積層、第二非線性變換層生成與所述融合向量對應的第二圖像。

9.如權利要求4所述的樣本生成方法，其特征在于，所述學生網絡是在已訓練的教師網絡監督下訓練得到的；

所述第二神經網絡中至少一層的網絡參數應用了所述教師網絡中對應層的網絡參數。

10.一種樣本生成裝置，其特征在于，包括：

特征描述向量獲取模塊，用于獲取指定標準字的特征描述向量，特征描述向量用于指示所述指定標準字的內容；

目標樣本生成模塊，用于利用所述特征描述向量和指定的非標準特征向量將指定標準字轉換成目標樣本，所述目標樣本對應的風格與非標準特征向量表示的風格相同。

11.一種電子設備，其特征在于，包括處理器及存儲器；所述存儲器存儲有可被處理器調用的程序；其中，所述處理器執行所述程序時，實現如權利要求1-7、9中任意一項所述的樣本生成方法。