[发明专利]基于对抗生成网络的数据增广方法、装置、计算机及介质

说明书

本申请涉及医学影像的数据增广领域，揭示了一种基于对抗生成网络的数据增广的方法、装置、计算机设备及存储介质，方法包括：获取目标域中的第一图片与源域中的第二图片；将所述第一图片输入至第一生成网络，得到伪第二图片；将所述伪第二图片输入至第二生成网络，得到伪第一图片；计算所述第一图片与所述伪第一图片的一致性约束值；将所述第二图片与所述伪第二图片输入至判别网络，得到所述判别网络对所述第二图片及所述伪第二图片的分类结果；根据损失函数计算所述分类结果的损失值；若所述一致性约束值与所述损失值的和满足预设值，将所述伪第一图片添加至目标域中，以增加目标域中的图片数据。本申请能够提高数据样本的生成效率。

技术领域

本申请涉及到医学影像的数据增广领域，特别是涉及到一种基于对抗生成网络的数据增广的方法、装置、计算机设备及存储介质。

背景技术

随着互联网技术的发展，在进行机器学习、训练时，需要大量的样本数据，而在特殊场景下，某些类型的样本数据无法轻易获得，尤其是医学领域下的医学影像数据在现实中出现的几率较低导致特定类型的医学影像数据无法轻易获得，例如重度黑眼圈的样本数据的现实样本数据少，导致样本数据的获取效率低，成本高。

发明内容

本申请的主要目的为提供一种基于对抗生成网络的数据增广的方法、装置、计算机设备及存储介质，旨在解决目前在样本数据量少的场景下进行数据增广的准确率低的问题。

为了实现上述发明目的，本申请提出一种基于对抗生成网络的数据增广的方法，包括：

获取目标域中的第一图片与源域中的第二图片；

将所述第一图片输入至第一生成网络，得到伪第二图片；将所述伪第二图片输入至第二生成网络，得到伪第一图片；所述第一生成网络与所述第二生成网络互为相反的网络；

计算所述第一图片与所述伪第一图片的一致性约束值；

将所述第二图片与所述伪第二图片输入至判别网络，得到所述判别网络对所述第二图片及所述伪第二图片的分类结果；

根据损失函数计算所述分类结果的损失值；

若所述一致性约束值与所述损失值的和满足预设值，将所述伪第一图片添加至目标域中，以增加目标域中的图片数据。

进一步地，所述获取目标域中的第一图片与源域中的第二图片之后，还包括：

将所述第二图片输入至第二生成网络，得到假第一图片；将所述假第一图片输入至第一生成网络，得到假第二图片；

计算所述第二图片与所述假第二图片的候选一致性约束值；

将所述第二图片与所述假第二图片输入至第二判别网络，得到所述第二判别网络对所述第二图片及所述假第二图片的候选分类结果；

根据损失函数计算所述候选分类结果的候选损失值；

若所述候选一致性约束值与所述候选损失值的和满足预设值，将所述假第二图片添加至源域中，以增加源域中的图片数据。

进一步地，所述源域与目标域为相互映射的数据集。

进一步地，所述若所述一致性约束值与所述损失值的和满足预设值，将所述伪第一图片添加至目标域中之前，包括：

获取当前数据增广的执行阶段；

根据所述执行阶段匹配一致性约束值与所述损失值之和的预设值。

进一步地，所述获取目标域中的第一图片与源域中的第二图片之前，还包括：

从若干个待选域中选取一个作为目标域，获取所述目标域的图片等级；

根据预设的等级规则匹配与所述目标域的图片等级相邻的候选图片等级；