[發明專利]一種基于圖片數據擴充的識別器處理方法

在審

• 申請號: 202011111459.0
• 申請日: 2020-10-16
• 公開（公告）號: CN112200307A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 紀雪飛;王玨;李業;孫強;丁瑞;徐晨
• 申請（專利權）人: 南通大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06N20/00;G06K9/62
• 代理公司: 北京盛凡智榮知識產權代理有限公司 11616
• 代理人: 李洪波

1.一種基于圖片數據擴充的識別器處理方法，其特征在于，包括以下步驟：

S1、數據集準備：將已有的多種類型的圖片數據制成數據集，并貼上標簽；

S2、數據擴充：先將圖片與標簽組成的數據集輸入網絡，生成網絡完成數據的擴充，將擴充后的數據集與原始數據一起送入，訓練識別器的權重參數；

S3、反饋結構：根據識別器對原始數據的測試結果，反饋到數據擴充模塊，動態調整數據擴充模塊的權重參數；以一批數據全部訓練完為一個周期，如此反復循環擴充，反饋步驟，直至達到預設的訓練周期數；

其中，數據擴充模塊和識別器模塊之間形成反饋結構。

2.根據權利要求1所述的基于圖片數據擴充的識別器處理方法，其特征在于：所述數據擴充模塊采用深度學習方法，所述深度學習網絡為差分條件變分自動編碼器。

3.根據權利要求1所述的基于圖片數據擴充的識別器處理方法，其特征在于：所述識別器采用深度學習方法，所述深度學習網絡為卷積神經網絡。

4.根據權利要求1所述的基于圖片數據擴充的識別器處理方法，其特征在于：所述反饋結構是計算識別器的輸出分布與數據標簽分布之間的損失值，并將此損失值作為數據擴充模塊損失函數的一部分。

5.根據權利要求1所述的基于圖片數據擴充的識別器處理方法，其特征在于：所述數據擴充模塊包括編碼單元與解碼單元；所述編碼單元是從原始數據的后驗分布中采樣得到中間變量，所述解碼單元是從中間變量的分布中重建原始數據，得到擴充后的數據。

6.根據權利要求5所述的基于圖片數據擴充的識別器處理方法，其特征在于：所述解碼單元與識別器之間形成反饋結構，調整解碼單元的權重參數，優化解碼器重建的生成數據。

7.根據權利要求6所述的基于圖片數據擴充的識別器處理方法，其特征在于：所述識別器是用擴充數據與原始數據一起訓練網絡的權重參數。