[發(fā)明專(zhuān)利]樣本生成方法、裝置及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201910233792.X
• 申請(qǐng)日: 2019-03-26
• 公開(kāi)（公告）號(hào): CN111753859A
• 公開(kāi)（公告）日: 2020-10-09
• 發(fā)明（設(shè)計(jì)）人: 張鵬
• 申請(qǐng)（專(zhuān)利權(quán)）人: 杭州?？低晹?shù)字技術(shù)股份有限公司
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京博思佳知識(shí)產(chǎn)權(quán)代理有限公司 11415
• 代理人: 林祥

本發(fā)明提供一種樣本生成方法、裝置及設(shè)備，樣本生成方法包括：獲取指定標(biāo)準(zhǔn)字的特征描述向量，特征描述向量用于指示所述指定標(biāo)準(zhǔn)字的內(nèi)容；利用所述特征描述向量和指定的非標(biāo)準(zhǔn)特征向量將指定標(biāo)準(zhǔn)字轉(zhuǎn)換成目標(biāo)樣本，所述目標(biāo)樣本對(duì)應(yīng)的風(fēng)格與非標(biāo)準(zhǔn)特征向量表示的風(fēng)格相同。無(wú)需采集所需字體風(fēng)格的字符圖像便可生成該字體風(fēng)格的樣本，提升樣本生成效率。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及的是一種樣本生成方法、裝置及設(shè)備。

背景技術(shù)

隨著科學(xué)技術(shù)的發(fā)展，深度學(xué)習(xí)算法在分類(lèi)、檢測(cè)、識(shí)別等任務(wù)中表現(xiàn)優(yōu)異。但該性能的取得依賴(lài)于計(jì)算機(jī)算力的提升、大量的訓(xùn)練樣本等多個(gè)方面因素，其中訓(xùn)練樣本作為“燃料”是算法開(kāi)發(fā)中不可或缺的一環(huán)。在文本識(shí)別技術(shù)中，同樣需要大量的包含字符的樣本來(lái)實(shí)現(xiàn)訓(xùn)練。

相關(guān)的樣本生成方式中，通過(guò)將字符圖像貼到背景圖像合成為樣本，在真實(shí)場(chǎng)景中，文本字符的字體是多樣化的，為了使得算法能夠更準(zhǔn)確地識(shí)別真實(shí)場(chǎng)景中的文本字符，需要生成訓(xùn)練所需的各種字體風(fēng)格的樣本，該方式中，每需要一種字體風(fēng)格的樣本，就需要采集相應(yīng)字體風(fēng)格的字符圖像來(lái)合成所需的樣本，樣本生成效率過(guò)低。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供一種樣本生成方法、裝置及設(shè)備，無(wú)需采集所需字體風(fēng)格的字符圖像便可生成該字體風(fēng)格的樣本，提升樣本生成效率。

本發(fā)明第一方面提供一種樣本生成方法，包括：

獲取指定標(biāo)準(zhǔn)字的特征描述向量，特征描述向量用于指示所述指定標(biāo)準(zhǔn)字的內(nèi)容；

利用所述特征描述向量和指定的非標(biāo)準(zhǔn)特征向量將指定標(biāo)準(zhǔn)字轉(zhuǎn)換成目標(biāo)樣本，所述目標(biāo)樣本對(duì)應(yīng)的風(fēng)格與非標(biāo)準(zhǔn)特征向量表示的風(fēng)格相同。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述獲取指定標(biāo)準(zhǔn)字的特征描述向量，包括：

將包含有所述指定標(biāo)準(zhǔn)字的第一圖像輸入至已訓(xùn)練的學(xué)生網(wǎng)絡(luò)中的第一神經(jīng)網(wǎng)絡(luò)，以由所述第一神經(jīng)網(wǎng)絡(luò)對(duì)輸入的所述第一圖像進(jìn)行特征提取得到特征描述向量。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述第一神經(jīng)網(wǎng)絡(luò)對(duì)輸入的所述第一圖像進(jìn)行特征提取得到特征描述向量，包括：

所述第一神經(jīng)網(wǎng)絡(luò)至少通過(guò)用于執(zhí)行卷積處理的卷積層、及用于執(zhí)行非線性變換處理的第一非線性變換層對(duì)所述第一圖像進(jìn)行特征提取得到特征描述向量。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，利用所述特征描述向量和指定的非標(biāo)準(zhǔn)特征向量將指定標(biāo)準(zhǔn)字轉(zhuǎn)換成目標(biāo)樣本，包括：

將所述特征描述向量與所述非標(biāo)準(zhǔn)特征向量輸入至已訓(xùn)練的學(xué)生網(wǎng)絡(luò)中的第二神經(jīng)網(wǎng)絡(luò)，以由所述第二神經(jīng)網(wǎng)絡(luò)將所述特征描述向量與所述非標(biāo)準(zhǔn)特征向量進(jìn)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(biāo)樣本。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述第二神經(jīng)網(wǎng)絡(luò)包括融合層；所述特征描述向量與所述非標(biāo)準(zhǔn)特征向量的維度相同；

所述第二神經(jīng)網(wǎng)絡(luò)將所述特征描述向量與所述非標(biāo)準(zhǔn)特征向量進(jìn)行融合得到融合向量，包括：

所述第二神經(jīng)網(wǎng)絡(luò)利用融合層將所述特征描述向量與所述非標(biāo)準(zhǔn)特征向量執(zhí)行疊加處理得到所述融合向量。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述第二神經(jīng)網(wǎng)絡(luò)包括全連接層和融合層；所述特征描述向量與所述非標(biāo)準(zhǔn)特征向量的維度不同；

所述第二神經(jīng)網(wǎng)絡(luò)將所述特征描述向量與所述非標(biāo)準(zhǔn)特征向量進(jìn)行融合得到融合向量，包括：

所述第二神經(jīng)網(wǎng)絡(luò)利用全連接層將所述非標(biāo)準(zhǔn)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(jīng)網(wǎng)絡(luò)利用融合層將所述特征描述向量與參考向量執(zhí)行疊加處理得到所述融合向量。