[发明专利]一种建立训练集的方法、装置、电子设备以及介质在审

专利信息
申请号: 201911265634.9 申请日: 2019-12-11
公开(公告)号: CN111062426A 公开(公告)日: 2020-04-24
发明(设计)人: 袁田;李果;樊鸿飞;蔡媛;贺沁雯 申请(专利权)人: 北京金山云网络技术有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/00
代理公司: 北京柏杉松知识产权代理事务所(普通合伙) 11413 代理人: 马敬;李欣
地址: 100085 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 建立 训练 方法 装置 电子设备 以及 介质
【权利要求书】:

1.一种建立训练集的方法,其特征在于,所述方法包括:

获取预设训练集,所述预设训练集包括:预先收集的多个具有特定人脸属性的样本图像;

将所述预设训练集中的样本图像作为标注,对初始图像生成模型进行训练,得到人脸图像生成模型;

基于所述人脸图像生成模型,生成多个具有所述特定人脸属性的候选图像;

基于所述人脸图像生成模型生成的多个具有所述特定人脸属性的候选图像,生成用于训练人脸识别模型的目标训练集。

2.根据权利要求1所述的方法,其特征在于,所述基于所述人脸图像生成模型生成的多个具有所述特定人脸属性的候选图像,生成用于训练人脸识别模型的目标训练集,包括:

确定每个候选图像的噪声特征值和/或分辨率;

将噪声特征值小于预设噪声特征值阈值,和/或分辨率大于预设分辨率阈值的候选图像加入所述目标训练集。

3.根据权利要求1或2所述的方法,其特征在于,在所述生成用于训练人脸识别模型的目标训练集之后,所述方法还包括:

基于预设的图像变换工具,分别对所述目标训练集中的每个图像进行图像变换,分别得到每个图像对应的多个变换图像;

将所述目标训练集中的每个图像对应的多个变换图像加入所述目标训练集。

4.根据权利要求3所述的方法,其特征在于,所述基于预设的图像变换工具,分别对所述目标训练集中的每个图像进行图像变换,分别得到每个图像对应的多个变换图像,包括:

针对所述目标训练集中的每个图像,基于预设的图像编辑算法,对所述目标训练集中的每个图像进行镜像、旋转、变形操作中的至少一种操作;和/或,

基于预设的图像增强网络模型,增强或者抑制所述目标训练集中的每个图像中的像素点单元。

5.一种建立训练集的装置,其特征在于,所述装置包括:

获取模块,用于获取预设训练集,所述预设训练集包括:预先收集的多个具有特定人脸属性的样本图像;

训练模块,用于将所述预设训练集中的样本图像作为标注,对初始图像生成模型进行训练,得到人脸图像生成模型;

第一生成模块,用于基于所述人脸图像生成模型,生成多个具有所述特定人脸属性的候选图像;

第二生成模块,用于基于所述人脸图像生成模型生成的多个具有所述特定人脸属性的候选图像,生成用于训练人脸识别模型的目标训练集。

6.根据权利要求5所述的装置,其特征在于,所述第二生成模块,具体用于:

确定每个候选图像的噪声特征值和/或分辨率;

将噪声特征值小于预设噪声特征值阈值,和/或分辨率大于预设分辨率阈值的候选图像加入所述目标训练集。

7.根据权利要求5或6所述的装置,其特征在于,所述装置还包括:图像变换模块;

所述图像变换模块,用于基于预设的图像变换工具,分别对所述目标训练集中的每个图像进行图像变换,分别得到每个图像对应的多个变换图像;

所述第二生成模块,还用于将所述目标训练集中的每个图像对应的多个变换图像加入所述目标训练集。

8.根据权利要求7所述的装置,其特征在于,所述图像变换模块,具体用于:

针对所述目标训练集中的每个图像,基于预设的图像编辑算法,对所述目标训练集中的每个图像进行镜像、旋转、变形操作中的至少一种操作;和/或,

基于预设的图像增强网络模型,增强或者抑制所述目标训练集中的每个图像中的像素点单元。

9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;

存储器,用于存放计算机程序;

处理器,用于执行存储器上所存放的程序时,实现权利要求1-4任一所述的方法步骤。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-4任一所述的方法步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京金山云网络技术有限公司,未经北京金山云网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911265634.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top