[發明專利]訓練圖像的擴充方法、訓練方法及相關裝置

有效

• 申請號: 201911056394.1
• 申請日: 2019-10-31
• 公開（公告）號: CN110781976B
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 鮑宗袍
• 申請（專利權）人: 重慶紫光華山智安科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 謝玲

本申請提供一種訓練圖像的擴充方法、訓練方法及相關裝置，涉及機器學習的行人識別領域。該訓練圖像的擴充方法包括：獲取行人的多張待轉換圖像；多張待轉換圖像包括行人的至少兩種行人顏色數據；根據多張待轉換圖像，獲取顏色數據生成模型；顏色數據生成模型為至少兩種行人顏色數據在生成對抗網絡下訓練得到的模型；將多張待轉換圖像輸入至顏色數據生成模型，獲取多張目標顏色圖像；將待轉換圖像和多張目標顏色圖像作為顏色訓練集。使用本申請提供的數據擴充方法，在真實的顏色數據基礎上，可以獲取更多的特定顏色數據，進而實現顏色識別模型訓練的訓練數據需求，提高顏色識別的準確率。

技術領域

本申請涉及機器學習的行人識別領域，具體而言，涉及訓練圖像的擴充方法、訓練方法及相關裝置。

背景技術

目前基于深度學習的行人衣服顏色識別方法，依賴大量的標注數據，需耗費大量的人力在數據上。

然而對于一些小眾的訓練數據，卻不能收集到足夠多的訓練數據，比如棕色上衣的行人數據，在一段監控視頻中幾乎不出現，由于這些訓練數據缺乏導致顏色識別模型在這些小眾顏色上識別始終不理想。因此，如何快速地對顏色標注數據進行擴充是目前需要解決的問題。

發明內容

為了克服現有技術中的上述不足，本申請的目的之一在于提供一種訓練圖像的擴充方法、訓練方法及相關裝置。

第一方面，實施例提供一種訓練圖像的擴充方法，所述方法包括：獲取行人的多張待轉換圖像；所述多張待轉換圖像包括所述行人的至少兩種行人顏色數據。根據所述多張待轉換圖像，獲取顏色數據生成模型；所述顏色數據生成模型為：所述至少兩種行人顏色數據在生成對抗網絡下訓練得到的模型。將所述多張待轉換圖像輸入至所述顏色數據生成模型，獲取多張目標顏色圖像。將所述待轉換圖像和所述多張目標顏色圖像作為顏色訓練集。

在可選的實施方式中，所述獲取行人的多張待轉換圖像，包括：獲取所述行人的至少一張第一圖像和至少一張第二圖像；所述至少一張第一圖像為所述行人的著裝顏色為目標顏色之外的行人圖像，所述至少一張第二圖像為所述行人的著裝顏色為所述目標顏色的行人圖像。將所述至少一張第一圖像和所述至少一張第二圖像作為所述多張待轉換圖像。

在可選的實施方式中，所述根據所述多張待轉換圖像，獲取顏色數據生成模型，包括：獲取所述至少一張第一圖像的紋理信息，所述紋理信息表征所述行人的圖像切分信息。根據所述紋理信息和所述至少一張第一圖像，生成多張待確認圖像；所述多張待確認圖像為所述行人的著裝顏色為所述目標顏色的行人圖像。將所述至少一張第一圖像作為第一訓練集，將所述多張待確認圖像和所述至少一張第二圖像作為第二訓練集。根據所述第一訓練集和所述第二訓練集，獲取所述顏色數據生成模型。

在可選的實施方式中，所述生成對抗網絡包括第一生成器、第二生成器和判別器。所述根據所述第一訓練集和所述第二訓練集，獲取所述顏色數據生成模型，包括：將所述第一訓練集通過所述第一生成器，生成與所述目標顏色一致的第一圖形數據，以使所述第一圖形數據與所述第二訓練集符合判別損失函數的收斂條件。將所述第二訓練集通過所述判別器，以使所述第二訓練集與所述判別損失函數的發散條件匹配。將所述第一圖形數據通過所述第二生成器，生成與所述第一訓練集的顏色一致的第二圖形數據，以使所述第二圖形數據與所述第一圖形數據符合生成損失函數的收斂條件。獲取符合模型收斂條件的所述顏色數據生成模型。

第二方面，實施例提供一種顏色識別模型的訓練方法，所述方法包括：獲取行人的顏色訓練集；所述顏色訓練集包括多張待轉換圖像和多張目標顏色圖像。所述多張待轉換圖像包括至少所述行人的至少兩種行人顏色數據，所述多張目標顏色圖像為所述多張待轉換圖像輸入至顏色數據生成模型獲取的行人圖像，所述顏色數據生成模型為所述至少兩種行人顏色數據在生成對抗網絡下訓練得到的模型。根據所述顏色訓練集，獲取多個教師模型。根據所述多個教師模型和所述顏色訓練集，獲取顏色識別模型。