[發(fā)明專(zhuān)利]訓(xùn)練樣本優(yōu)化方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010219658.7
• 申請(qǐng)日: 2020-03-25
• 公開(kāi)（公告）號(hào): CN111401465A
• 公開(kāi)（公告）日: 2020-07-10
• 發(fā)明（設(shè)計(jì)）人: 章放;鄒雨晗;楊海軍;徐倩;楊強(qiáng)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳前海微眾銀行股份有限公司
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06K9/00;G06K9/54
• 代理公司: 深圳市世紀(jì)恒程知識(shí)產(chǎn)權(quán)代理事務(wù)所 44287
• 代理人: 徐進(jìn)之

1.一種訓(xùn)練樣本優(yōu)化方法，其特征在于，所述訓(xùn)練樣本優(yōu)化方法包括以下步驟：

獲取用于模型訓(xùn)練的真實(shí)數(shù)據(jù)集和生成數(shù)據(jù)集；

分別從所述真實(shí)數(shù)據(jù)集和所述生成數(shù)據(jù)集中進(jìn)行有放回采樣，對(duì)應(yīng)得到真實(shí)采樣數(shù)據(jù)和生成采樣數(shù)據(jù)，其中，所述真實(shí)采樣數(shù)據(jù)和所述生成采樣數(shù)據(jù)的數(shù)據(jù)量比例為預(yù)設(shè)的目標(biāo)比例；

根據(jù)所述真實(shí)采樣數(shù)據(jù)和所述生成采樣數(shù)據(jù)得到用于模型訓(xùn)練的訓(xùn)練樣本集。

2.如權(quán)利要求1所述的訓(xùn)練樣本優(yōu)化方法，其特征在于，所述分別從所述真實(shí)數(shù)據(jù)集和所述生成數(shù)據(jù)集中進(jìn)行有放回采樣，對(duì)應(yīng)得到真實(shí)采樣數(shù)據(jù)和生成采樣數(shù)據(jù)的步驟包括：

進(jìn)行預(yù)設(shè)次數(shù)的采樣，其中，各次采樣分別從所述真實(shí)數(shù)據(jù)集和所述生成數(shù)據(jù)集中進(jìn)行有放回采樣，對(duì)應(yīng)得到各次采樣的真實(shí)采樣數(shù)據(jù)和生成采樣數(shù)據(jù)，各次采樣時(shí)從所述真實(shí)數(shù)據(jù)集和所述生成數(shù)據(jù)集中采樣的數(shù)據(jù)量比例為所述目標(biāo)比例；

所述根據(jù)所述真實(shí)采樣數(shù)據(jù)和所述生成采樣數(shù)據(jù)得到用于模型訓(xùn)練的訓(xùn)練樣本集的步驟包括：

分別將各次采樣的真實(shí)采樣數(shù)據(jù)和生成采樣數(shù)據(jù)進(jìn)行混合，得到各次采樣對(duì)應(yīng)的訓(xùn)練批，根據(jù)各所述訓(xùn)練批得到用于模型訓(xùn)練的訓(xùn)練樣本集。

3.如權(quán)利要求1所述的訓(xùn)練樣本優(yōu)化方法，其特征在于，所述根據(jù)所述真實(shí)采樣數(shù)據(jù)和所述生成采樣數(shù)據(jù)得到用于模型訓(xùn)練的訓(xùn)練樣本集的步驟之后，還包括：

采用所述訓(xùn)練樣本集對(duì)待訓(xùn)練模型進(jìn)行訓(xùn)練得到目標(biāo)模型。

4.如權(quán)利要求3所述的訓(xùn)練樣本優(yōu)化方法，其特征在于，所述采用所述訓(xùn)練樣本集對(duì)待訓(xùn)練模型進(jìn)行訓(xùn)練得到目標(biāo)模型的步驟之后，還包括：

將獲取到的待識(shí)別文本圖片輸入所述目標(biāo)模型，得到所述待識(shí)別文本圖片的文本識(shí)別結(jié)果。

5.如權(quán)利要求4所述的訓(xùn)練樣本優(yōu)化方法，其特征在于，獲取用于模型訓(xùn)練的生成數(shù)據(jù)集的步驟包括：

獲取背景圖片庫(kù)、文本字體庫(kù)和文本內(nèi)容庫(kù)；

從所述背景圖片庫(kù)中獲取目標(biāo)背景圖片，從所述文本字體庫(kù)中獲取目標(biāo)文本字體，以及從所述文本內(nèi)容庫(kù)中獲取目標(biāo)文本內(nèi)容；

將所述目標(biāo)文本內(nèi)容按照所述目標(biāo)文本字體拼接至所述目標(biāo)背景圖片中，得到生成文本圖片；

根據(jù)各生成文本圖片得到所述生成數(shù)據(jù)集。

6.如權(quán)利要求1至5任一項(xiàng)所述的訓(xùn)練樣本優(yōu)化方法，其特征在于，所述根據(jù)所述真實(shí)采樣數(shù)據(jù)和所述生成采樣數(shù)據(jù)得到用于模型訓(xùn)練的訓(xùn)練樣本集的步驟包括：

對(duì)所述真實(shí)采樣數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)操作，并根據(jù)所述生成采樣數(shù)據(jù)和數(shù)據(jù)增強(qiáng)后的真實(shí)采樣數(shù)據(jù)得到用于模型訓(xùn)練的訓(xùn)練樣本集；或，

對(duì)所述生成采樣數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)操作，并根據(jù)所述真實(shí)采樣數(shù)據(jù)和數(shù)據(jù)增強(qiáng)后的生成采樣數(shù)據(jù)得到用于模型訓(xùn)練的訓(xùn)練樣本集；或，

對(duì)所述真實(shí)采樣數(shù)據(jù)和所述生成采樣數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)操作，并根據(jù)數(shù)據(jù)增強(qiáng)后的真實(shí)采樣數(shù)據(jù)和生成采樣數(shù)據(jù)得到用于模型訓(xùn)練的訓(xùn)練樣本集。

7.如權(quán)利要求6所述的訓(xùn)練樣本優(yōu)化方法，其特征在于，所述數(shù)據(jù)增強(qiáng)操作包括拉伸操作、加噪聲操作、模糊操作和銳化操作中的一種或多種。

8.一種訓(xùn)練樣本優(yōu)化裝置，其特征在于，所述訓(xùn)練樣本優(yōu)化裝置包括：

獲取模塊，用于獲取用于模型訓(xùn)練的真實(shí)數(shù)據(jù)集和生成數(shù)據(jù)集；

采樣模塊，用于分別從所述真實(shí)數(shù)據(jù)集和所述生成數(shù)據(jù)集中進(jìn)行有放回采樣，對(duì)應(yīng)得到真實(shí)采樣數(shù)據(jù)和生成采樣數(shù)據(jù)，其中，所述真實(shí)采樣數(shù)據(jù)和所述生成采樣數(shù)據(jù)的數(shù)據(jù)量比例為預(yù)設(shè)的目標(biāo)比例；

樣本生成模塊，用于根據(jù)所述真實(shí)采樣數(shù)據(jù)和所述生成采樣數(shù)據(jù)得到用于模型訓(xùn)練的訓(xùn)練樣本集。

9.一種訓(xùn)練樣本優(yōu)化設(shè)備，其特征在于，所述訓(xùn)練樣本優(yōu)化設(shè)備包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的訓(xùn)練樣本優(yōu)化程序，所述訓(xùn)練樣本優(yōu)化程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的訓(xùn)練樣本優(yōu)化方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有訓(xùn)練樣本優(yōu)化程序，所述訓(xùn)練樣本優(yōu)化程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的訓(xùn)練樣本優(yōu)化方法的步驟。