[发明专利]数据处理方法及装置、存储介质、电子设备

说明书

本公开是关于一种数据处理方法及装置、存储介质、电子设备，涉及机器学习技术领域，该方法包括：通过射线模型以及预设物品的三维模型获取所述预设物品的射线数据；将所述射线数据输入生成式对抗网络模型以获取模拟数据；将所述模拟数据插入预设图像，以生成与所述预设物品对应的训练数据。本公开可以获得足够的训练数据，进而提高智能查验的准确性。

技术领域

本公开涉及机器学习技术领域，具体而言，涉及一种数据处理方法、数据处理装置、计算机可读存储介质以及电子设备。

背景技术

神经网络技术在分类任务和目标检测任务中已经有了十分广泛的应用。例如可以应用于海关的大型集装箱检测中，主要用于检测集装箱中是否存在潜在夹藏的危险品，违禁品以及检测集装箱中的货物是否与申报不符的情况，从而辅助人工进行查验。

为了获得稳定可靠的智能查验系统，需要生成合适的神经网络模型并对该网络模型进行训练，在训练过程中需要大量的标注图像作为训练数据，但是标注图像的获得难度较大，因此可能导致不能获得足够的训练样本。为了解决上述问题，相关技术中可以通过以下几种方式获得训练数据：一、在海关机检时获得的含有夹带的刀具，枪支等真实案例图像得到训练数据；二、用真实的刀具，枪支等认为摆放至集装箱中，采用多角度和姿态扫描制图得到训练数据；三、将在空箱或者空气中扫描获得的枪支等X射线图像抠出，预处理后作为模板，使用图像增强技术作各种旋转变化后插入不同的集装箱背景图像中进行融合，从而得到训练数据。

通过上述几种方式获得的训练数据的数量有限，从而导致智能查验的准确率较低；除此之外，在获取训练数据时由于物品本身或者是物品位置的局限性，导致获取训练数据的过程较为困难，从而导致获取训练数据效率低。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种数据处理方法及装置、存储介质、电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的训练数据量不足的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种数据处理方法，包括：通过射线模型以及预设物品的三维模型获取所述预设物品的射线数据；将所述射线数据输入生成式对抗网络模型以获取模拟数据；将所述模拟数据插入预设图像，以生成与所述预设物品对应的训练数据。

在本公开的一种示例性实施例中，所述方法还包括：通过实际射线平台的光源能量、探测器个数、光源与探测器的相对位置、预设物品位置以及扫描方式建立所述射线模型。

在本公开的一种示例性实施例中，所述方法还包括：从数据库中获取所述预设物品的图像模型，并对所述图像模型进行体素化处理生成体素图像模型；根据所述预设物品每个位置的材料类型，对所述体素图像模型对应的像素进行赋值，以获取所述预设物品的所述三维模型。

在本公开的一种示例性实施例中，所述方法还包括：通过电子计算机断层扫描所述预设物品，获取所述预设物品的三维重建数据；通过所述三维重建数据生成所述预设物品的所述三维模型。

在本公开的一种示例性实施例中，将所述射线数据输入生成式对抗网络模型以获取模拟数据，包括：将通过所述三维模型与所述射线模型生成的所述射线数据作为生成网络的输入数据；将对所述射线数据进行实际制图得到的真实投影图像的数据作为判别网络的输入数据；通过对所述射线数据以及所述真实投影图像的数据进行训练，以生成所述生成式对抗网络模型。

在本公开的一种示例性实施例中，所述方法还包括：通过所述训练数据对集装箱智能查验系统进行测试训练。

在本公开的一种示例性实施例中，所述光源与所述探测器的相对位置固定不变。