[发明专利]增加难样本数据的方法、系统、计算机设备及存储介质

说明书

本发明公开了增加难样本数据的方法、系统、计算机设备及存储介质，该方法包括：获取具有多张简易样本图像和难样本图像的原始训练集，利用原始训练集对初始分割模型进行训练，得到目标分割模型；对原始训练集进行筛选获取难样本图像，并利用难样本图像对目标分割模型进行训练，得到优化后的目标分割模型；将目标图像输入至优化后的目标分割模型中进行识别，并判断识别结果是否为难样本图像；若识别结果为难样本图像，则将目标图像作为新的难样本图像保存至原始训练集中。本发明通过对常规的初始分割模型进行训练，从而得到一个针对难样本数据进行识别的目标分割模型，实现难样本数据的快速识别，提高了识别效率，降低了获取成本。

技术领域

本发明涉及数据处理技术领域，尤其涉及增加难样本数据的方法、系统、计算机设备及存储介质。

背景技术

随着视频特效的迅猛发展，各种实例的分割逐渐走入大众视野，目前各种实例的分割方法主要基于semantic和image matting，对于常规场景两类方法均有较好的表现，但是在实际应用中往往会遇到难样本稀缺的问题。

针对难样本稀缺问题，目前主要有两种解决方案，一种是通过修改模型结构，通过增加细节处理分支，解决某一类样本分割效果不好的问题。另一种是通过增加难样本的数据标注数量，来提高模型在难样本上的精度。采用修改模型，添加细节处理分支的方案往往会增加模型的推理耗时，导致应用在实时视频分割任务中难以达到实时处理的需求；采用增加难样本的数据标注数量往往会带来更高的开发成本，例如在精细化标注数据稀缺的情况下，标注一张精细化图片大约需要7-20元不等的人力成本。

发明内容

本发明实施例提供了增加难样本数据的方法、系统、计算机设备及存储介质，旨在解决现有技术中难样本数据获取成本高、耗费时间长的问题。

第一方面，本发明实施例提供了一种增加难样本数据的方法，包括：

获取具有多张简易样本图像和难样本图像的原始训练集，利用所述原始训练集对初始分割模型进行训练，得到目标分割模型；

对所述原始训练集进行筛选获取难样本图像，并利用所述难样本图像对所述目标分割模型进行训练，得到优化后的目标分割模型；

将目标图像输入至所述优化后的目标分割模型中进行识别，并判断识别结果是否为难样本图像；

若识别结果为难样本图像，则将所述目标图像作为新的难样本图像保存至所述原始训练集中。

第二方面，本发明实施例提供了一种增加难样本数据的系统，其包括：

目标分割模型获取单元，用于获取具有多张简易样本图像和难样本图像的原始训练集，利用所述原始训练集对初始分割模型进行训练，得到目标分割模型；

目标分割模型优化单元，用于对所述原始训练集进行筛选获取难样本图像，并利用所述难样本图像对所述目标分割模型进行训练，得到优化后的目标分割模型；

难样本图像识别单元，用于将目标图像输入至所述优化后的目标分割模型中进行识别，并判断识别结果是否为难样本图像；

原始训练集更新单元，用于若识别结果为难样本图像，则将所述目标图像作为新的难样本图像保存至所述原始训练集中。

第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、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计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的增加难样本数据的方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的增加难样本数据的方法。