[发明专利]一种地铁环境目标训练集生成方法及系统

权利要求书

1.一种地铁环境目标训练集生成方法，其特征在于，包括：

获取带目标的地铁环境图片和各种非地铁环境场景图片并进行标注；

根据所述地铁环境图片，训练得到第一生成网络；

根据所述第一生成网络，生成得到第一随机图；

根据所述地铁环境图片、所述非地铁环境场景图片和所述第一随机图对第一判决网络进行训练，得到训练后的第一判决网络；

根据所述第一判决网络更新所述第一生成网络的参数；

将所述第一生成网络和所述第一判决网络进行多次迭代，得到损失函数符合设定要求的生成网络权重；

通过所述生成网络权重生成真实的带目标的地铁环境图片；

获取分类器可识别的第一随机图，将所述真实的带目标的地铁环境图片作为正向样本，分类器可识别的第一随机图作为生成样本，将分类器不可识别的第一随机图作为反向样本；

训练微调第二生成网络；

根据所述第二生成网络，生成得到第二随机图；

根据所述第二随机图、所述正向样本、所述反向样本和所述生成样本，训练得到第二判决网络；

根据所述第二判决网络更新所述第二生成网络的参数；

将所述第二生成网络和所述第二判决网络进行多次迭代，得到接近真实环境且更有利于分类器分类识别的第三随机图；

根据所述第三随机图，得到地铁环境目标训练集。

2.根据权利要求1所述的地铁环境目标训练集生成方法，其特征在于，所述根据所述地铁环境图片，训练得到第一生成网络，具体包括：

将所述地铁环境图片作为条件代入到第一生成网络中，训练得到第一生成网络，第一生成网络初步模型使用PixelRNN模型和权重。

3.根据权利要求1所述的地铁环境目标训练集生成方法，其特征在于，所述根据所述地铁环境图片、所述非地铁环境场景图片和所述第一随机图对第一判决网络进行训练，得到训练后的第一判决网络，具体包括：

将所述第一随机图、所述非地铁环境场景图片与所述地铁环境图片进行串联操作和1*1卷积，得到串联卷积后的图像；

计算所述串联卷积后的图像的第一相似度决策层分数；

根据所述第一相似度决策层分数对第一判决网络进行训练，得到训练后的第一判决网络。

4.根据权利要求1所述的地铁环境目标训练集生成方法，其特征在于，所述根据所述第二随机图、所述正向样本、所述反向样本和所述生成样本，训练得到第二判决网络，具体包括：

计算所述正向样本和所述第二随机图的第二相似度决策层分数；

计算所述反向样本和所述第二随机图的第三相似度决策层分数；

计算所述生成样本和所述第二随机图的第四相似度决策层分数；

根据所述第二相似度决策层分数、所述第三相似度决策层分数和所述第四相似度决策层分数，得到最终的损失值；

根据所述最终的损失值，训练得到第二判决网络。