[发明专利]一种基于图片数据扩充的识别器处理方法

权利要求书

1.一种基于图片数据扩充的识别器处理方法，其特征在于，包括以下步骤：

S1、数据集准备：将已有的多种类型的图片数据制成数据集，并贴上标签；

S2、数据扩充：先将图片与标签组成的数据集输入网络，生成网络完成数据的扩充，将扩充后的数据集与原始数据一起送入，训练识别器的权重参数；

S3、反馈结构：根据识别器对原始数据的测试结果，反馈到数据扩充模块，动态调整数据扩充模块的权重参数；以一批数据全部训练完为一个周期，如此反复循环扩充，反馈步骤，直至达到预设的训练周期数；

其中，数据扩充模块和识别器模块之间形成反馈结构。

2.根据权利要求1所述的基于图片数据扩充的识别器处理方法，其特征在于：所述数据扩充模块采用深度学习方法，所述深度学习网络为差分条件变分自动编码器。

3.根据权利要求1所述的基于图片数据扩充的识别器处理方法，其特征在于：所述识别器采用深度学习方法，所述深度学习网络为卷积神经网络。

4.根据权利要求1所述的基于图片数据扩充的识别器处理方法，其特征在于：所述反馈结构是计算识别器的输出分布与数据标签分布之间的损失值，并将此损失值作为数据扩充模块损失函数的一部分。

5.根据权利要求1所述的基于图片数据扩充的识别器处理方法，其特征在于：所述数据扩充模块包括编码单元与解码单元；所述编码单元是从原始数据的后验分布中采样得到中间变量，所述解码单元是从中间变量的分布中重建原始数据，得到扩充后的数据。

6.根据权利要求5所述的基于图片数据扩充的识别器处理方法，其特征在于：所述解码单元与识别器之间形成反馈结构，调整解码单元的权重参数，优化解码器重建的生成数据。

7.根据权利要求6所述的基于图片数据扩充的识别器处理方法，其特征在于：所述识别器是用扩充数据与原始数据一起训练网络的权重参数。