[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

本申請公開了人工智能領域中的一種數據增強方法和裝置。該方法包括：獲取第一訓練數據、至少一個第一向量和每個第一向量對應的性能指標，根據至少一個第一向量和至少一個向量對應的性能指標，確定至少一個第二向量，根據至少一個第一向量對應的性能指標和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，該至少一個目標向量對應的性能指標高于至少一個第一向量和至少一個第二向量中除至少一個目標向量之外的其他向量對應的性能指標，每個目標向量表示一組目標增強，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，該目標訓練數據用于訓練得到目標神經網絡模型。本申請實施例可以實現基于訓練數據自動化確定相應的增強策略，以擴充訓練數據，提升目標神經網絡模型的性能。

技術領域

本申請涉及人工智能領域，特別涉及一種數據增強方法和裝置。

背景技術

人工智能（Artificial Intelligence，AI）是利用數字計算機或者數字計算機控制的機器模擬、延伸和擴展人的智能，感知環境、獲取知識并使用知識獲得最佳結果的理論、方法、技術及應用系統。換句話說，人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式作出反應的智能機器。人工智能也就是研究各種智能機器的設計原理與實現方法，使機器具有感知、推理與決策的功能。人工智能領域的研究包括機器人，自然語言處理，計算機視覺，決策與推理，人機交互，推薦與搜索，AI基礎理論等。

近年來，機器學習技術在各個領域都取得了重大的突破，如金融，醫療和交通等。其中，通過神經網絡模型實現的機器學習技術，被廣泛應用，該神經網絡模型可以支持處理圖像、文本、語音以及序列等多種類型的數據，以實現分類、回歸和預測等。通過提高訓練數據的質量、多樣性和數量，可以有效地提高神經網絡模型的性能。

然而，為了提高訓練數據的質量、多樣性和數量，通常需要人類專家根據任務需求手動設計數據增強方法，以擴充訓練數據，提升神經網絡模型的性能。這樣的方式存在設計成本高且數據增強方法的可遷移性差的問題。

發明內容

本申請提供一種數據增強方法和裝置，以實現基于訓練數據自動化確定相應的增強策略。

第一方面，本申請實施例提供一種數據增強方法，該方法可以包括：獲取第一訓練數據、至少一個第一向量和每個第一向量對應的性能指標，每個第一向量用于表示一組第一增強策略，該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，該第一神經網絡模型是由第二訓練數據訓練得到的，該第二訓練數據為使用該第一增強策略對該第一訓練數據進行增強處理后得到的訓練數據。根據該至少一個第一向量和該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，每個第二向量用于表示一組第二增強策略。根據該至少一個第一向量對應的性能指標和該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，該第二神經網絡模型是由第三訓練數據訓練得到的，該第三訓練數據為使用該第二增強策略對該第一訓練數據進行增強處理后得到的訓練數據。其中，該至少一個目標向量對應的性能指標高于該至少一個第一向量和該至少一個第二向量中除該至少一個目標向量之外的其他向量對應的性能指標，每個目標向量表示一組目標增強策略，該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，該目標訓練數據用于訓練得到目標神經網絡模型。

本實現方式，根據至少一個第一向量和至少一個第一向量對應的性能指標，預測得到該至少一個第二向量，再結合該至少一個第二向量的實際性能指標，選取性能指標較高的向量作為目標向量，該實際性能指標為將該至少一個第二向量所表示的增強策略應用于第一訓練數據所得到的神經網絡模型的實際性能指標，可以實現基于訓練數據自動化確定相應的增強策略，以擴充訓練數據，提升目標神經網絡模型的性能。