[发明专利]基于深度学习的数据增广方法、系统、介质和计算设备

权利要求书

1.一种基于深度学习的数据增广方法，包括：

对获取到的基础数据进行分析，得到所述基础数据对应的帧图像数据和环境变化因子；

基于所述帧图像数据和所述环境变化因子，实现对构建的对抗生成网络的训练，所述对抗生成网络的训练目标至少包括学习环境变化因子对所述帧图像数据的影响，以便基于输入的帧图像数据生成多个不同环境的增广帧图像数据；

基于训练后的所述对抗生成网络，输出与所述帧图像数据对应的增广帧图像数据。

2.根据权利要求1所述的基于深度学习的数据增广方法，对获取到的基础数据进行分析，得到所述基础数据对应的帧图像数据和环境变化因子之前，所述方法还包括：

获取图像采集设备采集到的视频数据，所述视频数据中包含拍摄目标对象的至少一个拍摄场景；

将包含所述目标对象的视频数据确定为基础数据。

3.根据权利要求1或2所述的基于深度学习的数据增广方法，对获取到的基础数据进行分析，得到所述基础数据对应的帧图像数据和环境变化因子，包括：

对获取到的基础数据进行逐帧切分操作，得到所述基础数据对应的帧图像数据；

基于图像信息对所述帧图像数据进行分析，得到所述帧图像数据对应的环境变化因子。

4.根据权利要求3所述的基于深度学习的数据增广方法，基于图像信息对所述帧图像数据进行分析，得到所述帧图像数据对应的环境变化因子，包括：

从所述帧图像数据中获取图像信息，所述图像信息至少包括以下之一：图像亮度、图像对比度和旋转角度；

基于图像信息对所述帧图像数据进行分析，得到所述帧图像数据对应的环境变化因子。

5.根据权利要求1或2所述的基于深度学习的数据增广方法，基于所述帧图像数据和所述环境变化因子，实现对构建的对抗生成网络的训练之前，所述方法还包括：

基于神经网络模型构建包含生成器和判别器的对抗生成网络，其中，所述生成器用于对输入的所述帧图像数据和所述环境变化因子进行处理，得到增广数据，并向所述判别器输入所述增广数据。

6.根据权利要求5所述的基于深度学习的数据增广方法，所述生成器包含双层编码器和解码器，其中，所述双层编码器用于对输入的所述帧图像数据和所述环境变化因子进行处理，得到变换数据；所述解码器用于对所述变换数据进行处理，得到增广数据。

7.根据权利要求6所述的基于深度学习的数据增广方法，所述双层编码器包含第一编码器、仿射变换模块以及第二编码器，其中：

所述第一编码器，用于对输入的所述帧图像数据和所述环境变化因子进行数据处理，得到所述帧图像数据对应的第一特征向量；

所述仿射变换模块，用于对所述第一特征向量进行仿射变换处理，得到所述第一特征向量对应的第二特征向量；

所述第二编码器，用于对输入的所述帧图像数据、所述环境变换因子和所述第二特征向量进行数据处理，得到所述第二特征向量对应的变换数据。

8.一种基于深度学习的数据增广系统，所述系统包括基于神经网络模型构建的对抗生成网络，所述对抗生成网络包括生成器和判别器，其中：

所述生成器，被配置为对输入的帧图像数据和环境变化因子进行处理，得到增广数据；

所述判别器，被配置为对所述增广数据与所述帧图像数据进行判别，得到判别结果。

9.一种存储有程序的存储介质，其中，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中的任一项所述的基于深度学习的数据增广方法。

10.一种计算设备，包括如权利要求9所述的存储介质。