[發明專利]基于對抗插值的樣本數據增強方法、裝置、設備及介質

在審

• 申請號: 202110730469.0
• 申請日: 2021-06-29
• 公開（公告）號: CN113435519A
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 劉廣
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 李小朋

1.一種基于對抗插值的樣本數據增強方法，其特征在于，包括：

獲取已標注的第一樣本數據，根據mixup算法對所述第一樣本數據進行隨機插值，得到第二樣本數據；

通過梯度下降方法調整插值比例，得到更新后的插值比例；

根據所述更新后的插值比例，重新進行插值運算，得到增強的第三樣本數據。

2.根據權利要求1所述的方法，其特征在于，根據mixup算法對所述第一樣本數據進行隨機插值，得到第二樣本數據，包括：

從所述第一樣本數據中隨機抽取兩個樣本；

從Beta分布中隨機抽取一個插值比例，得到隨機插值比例；

根據抽取的樣本數據、隨機插值比例以及mixup算法進行隨機插值，得到第二樣本數據。

3.根據權利要求2所述的方法，其特征在于，根據如下公式進行隨機插值，得到所述第二樣本數據：

λ～Beta(α，α)

其中，{xi,yi}和{xj,yj}表示抽取的樣本數據，λ表示插值的比例，Beta(α,α)表示beta分布，g_k(x_i)和g_k(x_j)表示xi和xj經過網絡編碼后的數據，表示根據插值比例λ將位置K的詞的表示g_k(x_i)和g_k(x_j)進行插值融合后的增強數據，表示對于xi和xj對應的標簽yi和yj進行插值融合后的增強數據。

4.根據權利要求1所述的方法，其特征在于，通過梯度下降方法調整插值比例，得到更新后的插值比例，包括：

根據預設的損失函數計算每個位置的插值損失；

對隨機插值比例求偏導，根據隨機插值比例的偏導值以及損失值計算當前的梯度；

根據得到的梯度更新所述隨機插值比例，得到對抗方向上的最新插值比例。

5.根據權利要求4所述的方法，其特征在于，所述預設的損失函數如下公式所示：

其中，θ是模型的參數，i和j是真實標記數據的編號，f_rand表示隨機插值操作，λ表示插值的比例，η表示對抗噪音，λ～Beta(α,α)，Beta(α,α)表示beta分布，l_mix表示插值的損失函數。

6.根據權利要求4所述的方法，其特征在于，根據如下公式計算當前的梯度，

其中，η表示梯度，Δλ表示隨機插值比例的偏導，表示損失值。

7.根據權利要求4所述的方法，其特征在于，根據如下公式計算最新插值比例，

λ′＝λ+εη

其中，λ′表示最新插值比例，ε表示步長，η表示梯度。

8.一種基于對抗插值的樣本數據增強裝置，其特征在于，包括：

第一插值模塊，用于獲取已標注的第一樣本數據，根據mixup算法對所述第一樣本數據進行隨機插值，得到第二樣本數據；

插值比例更新模塊，用于通過梯度下降方法調整插值比例，得到更新后的插值比例；

第二插值模塊，用于根據所述更新后的插值比例，重新進行插值運算，得到增強的第三樣本數據。

9.一種計算機設備，包括存儲器和處理器，所述存儲器中存儲有計算機可讀指令，所述計算機可讀指令被所述處理器執行時，使得所述處理器執行如權利要求1至7中任一項權利要求所述的基于對抗插值的樣本數據增強方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質包括計算機指令，所述計算機指令被一個或多個處理器執行時，實現如權利要求1至7中任一項權利要求所述的基于對抗插值的樣本數據增強方法的步驟。