[发明专利]训练样本优化方法、装置、设备及存储介质

权利要求书

1.一种训练样本优化方法，其特征在于，所述训练样本优化方法包括以下步骤：

获取用于模型训练的真实数据集和生成数据集；

分别从所述真实数据集和所述生成数据集中进行有放回采样，对应得到真实采样数据和生成采样数据，其中，所述真实采样数据和所述生成采样数据的数据量比例为预设的目标比例；

根据所述真实采样数据和所述生成采样数据得到用于模型训练的训练样本集。

2.如权利要求1所述的训练样本优化方法，其特征在于，所述分别从所述真实数据集和所述生成数据集中进行有放回采样，对应得到真实采样数据和生成采样数据的步骤包括：

进行预设次数的采样，其中，各次采样分别从所述真实数据集和所述生成数据集中进行有放回采样，对应得到各次采样的真实采样数据和生成采样数据，各次采样时从所述真实数据集和所述生成数据集中采样的数据量比例为所述目标比例；

所述根据所述真实采样数据和所述生成采样数据得到用于模型训练的训练样本集的步骤包括：

分别将各次采样的真实采样数据和生成采样数据进行混合，得到各次采样对应的训练批，根据各所述训练批得到用于模型训练的训练样本集。

3.如权利要求1所述的训练样本优化方法，其特征在于，所述根据所述真实采样数据和所述生成采样数据得到用于模型训练的训练样本集的步骤之后，还包括：

采用所述训练样本集对待训练模型进行训练得到目标模型。

4.如权利要求3所述的训练样本优化方法，其特征在于，所述采用所述训练样本集对待训练模型进行训练得到目标模型的步骤之后，还包括：

将获取到的待识别文本图片输入所述目标模型，得到所述待识别文本图片的文本识别结果。

5.如权利要求4所述的训练样本优化方法，其特征在于，获取用于模型训练的生成数据集的步骤包括：

获取背景图片库、文本字体库和文本内容库；

从所述背景图片库中获取目标背景图片，从所述文本字体库中获取目标文本字体，以及从所述文本内容库中获取目标文本内容；

将所述目标文本内容按照所述目标文本字体拼接至所述目标背景图片中，得到生成文本图片；

根据各生成文本图片得到所述生成数据集。

6.如权利要求1至5任一项所述的训练样本优化方法，其特征在于，所述根据所述真实采样数据和所述生成采样数据得到用于模型训练的训练样本集的步骤包括：

对所述真实采样数据进行数据增强操作，并根据所述生成采样数据和数据增强后的真实采样数据得到用于模型训练的训练样本集；或，

对所述生成采样数据进行数据增强操作，并根据所述真实采样数据和数据增强后的生成采样数据得到用于模型训练的训练样本集；或，

对所述真实采样数据和所述生成采样数据进行数据增强操作，并根据数据增强后的真实采样数据和生成采样数据得到用于模型训练的训练样本集。

7.如权利要求6所述的训练样本优化方法，其特征在于，所述数据增强操作包括拉伸操作、加噪声操作、模糊操作和锐化操作中的一种或多种。

8.一种训练样本优化装置，其特征在于，所述训练样本优化装置包括：

获取模块，用于获取用于模型训练的真实数据集和生成数据集；

采样模块，用于分别从所述真实数据集和所述生成数据集中进行有放回采样，对应得到真实采样数据和生成采样数据，其中，所述真实采样数据和所述生成采样数据的数据量比例为预设的目标比例；

样本生成模块，用于根据所述真实采样数据和所述生成采样数据得到用于模型训练的训练样本集。

9.一种训练样本优化设备，其特征在于，所述训练样本优化设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的训练样本优化程序，所述训练样本优化程序被所述处理器执行时实现如权利要求1至7中任一项所述的训练样本优化方法的步骤。

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上存储有训练样本优化程序，所述训练样本优化程序被处理器执行时实现如权利要求1至7中任一项所述的训练样本优化方法的步骤。