[發明專利]數據增強方法和裝置

有效

• 申請號: 202010117866.6
• 申請日: 2020-02-25
• 公開（公告）號: CN113379045B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 張新雨;袁鵬;鐘釗
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06N3/063
• 分類號: G06N3/063;G06N3/08;G06N3/04
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 王洪

1.一種數據增強方法，其特征在于，包括：

獲取第一訓練數據、至少一個第一向量和每個所述第一向量對應的性能指標，每個所述第一向量用于表示一組第一增強策略，所述每個第一向量對應的性能指標包括第一神經網絡模型的性能指標，所述第一神經網絡模型是由第二訓練數據訓練得到的，所述第二訓練數據為使用所述第一增強策略對所述第一訓練數據進行增強處理后得到的訓練數據；

根據所述至少一個第一向量和所述至少一個第一向量對應的性能指標，確定至少一個第二向量，每個所述第二向量用于表示一組第二增強策略；

根據所述至少一個第一向量對應的性能指標和所述至少一個第二向量對應的性能指標，確定至少一個目標向量，每個第二向量對應的性能指標包括第二神經網絡模型的性能指標，所述第二神經網絡模型是由第三訓練數據訓練得到的，所述第三訓練數據為使用所述第二增強策略對所述第一訓練數據進行增強處理后得到的訓練數據；

其中，所述至少一個目標向量對應的性能指標高于所述至少一個第一向量和所述至少一個第二向量中除所述至少一個目標向量之外的其他向量對應的性能指標，每個所述目標向量表示一組目標增強策略，所述至少一個目標向量表示的至少一組目標增強策略用于對第一訓練數據進行增強處理獲取目標訓練數據，所述目標訓練數據用于訓練得到目標神經網絡模型。

2.根據權利要求1所述的方法，其特征在于，所述根據所述至少一個第一向量和所述至少一個第一向量對應的性能指標，確定至少一個第二向量，包括：

將所述至少一個第一向量從離散的參數空間映射至連續的參數空間，獲取至少一個第三向量；

根據所述至少一個第三向量和所述至少一個第一向量對應的性能指標，確定至少一個第二向量。

3.根據權利要求2所述的方法，其特征在于，所述根據所述至少一個第三向量和所述至少一個第一向量對應的性能指標，確定至少一個第二向量，包括：

根據所述至少一個第三向量和所述至少一個第一向量對應的性能指標，確定所述第三向量與所述至少一個第一向量對應的性能指標之間的映射關系；

根據所述映射關系，確定至少一個第二向量。

4.根據權利要求3所述的方法，其特征在于，所述根據所述至少一個第三向量和所述至少一個第一向量對應的性能指標，確定所述第三向量與所述至少一個第一向量對應的性能指標之間的映射關系，包括：

將所述至少一個第三向量和所述至少一個第一向量對應的性能指標輸入至第三神經網絡模型，輸出所述第三向量與所述性能指標之間的映射關系。

5.根據權利要求3所述的方法，其特征在于，所述根據所述映射關系，確定至少一個第二向量，包括：

根據所述映射關系，確定至少一個第四向量；

將所述至少一個第四向量從所述連續的參數空間映射至所述離散的參數空間，獲取所述至少一個第二向量。

6.根據權利要求5所述的方法，其特征在于，所述根據所述映射關系，確定至少一個第四向量，包括：

采用梯度更新的方式，在所述映射關系中，確定所述至少一個第四向量。

7.根據權利要求5所述的方法，其特征在于，所述將所述至少一個第四向量從所述連續的參數空間映射至所述離散的參數空間，獲取所述至少一個第二向量，包括：

將所述至少一個第四向量分別輸入至第四神經網絡模型，輸出所述至少一個第二向量，所述第四神經網絡模型用于將每個第四向量從連續的參數空間映射至離散的參數空間。

8.根據權利要求1至7任一項所述的方法，其特征在于，所述方法還包括：

判斷是否滿足預設條件，若不滿足預設條件，則將所述至少一個第二向量和所述至少一個第一向量作為至少一個第一向量，執行所述獲取至少一個第一向量和每個所述第一向量對應的性能指標的步驟。