[发明专利]训练数据增强方法、网络模型训练方法、装置和设备

权利要求书

1.一种训练数据增强方法，其特征在于，训练数据用于机器学习，所述方法包括：

获取初始训练数据，并识别所述初始训练数据中的至少两个对象；

获取每个所述对象对应的对象序列集，并从各所述对象序列集中确定对应对象的目标对象序列；

分别从每个所述对象对应的目标对象序列中获取待交换图像；

将所获取的不同对象的待交换图像进行交换，得到数据增强后的目标训练数据。

2.根据权利要求1所述的方法，其特征在于，所述获取初始训练数据，并识别所述初始训练数据中的至少两个对象，包括：

对获取的每个所述对象执行身份检测，直到获取到至少两个不同身份的所述对象为止。

3.根据权利要求1所述的方法，其特征在于，所述目标对象序列包括其对应的所述对象的多帧图像；

所述获取每个所述对象对应的对象序列集，并从各所述对象序列集中确定对应对象的目标对象序列，包括：

从所述初始训练数据中获取第一对象对应的第一对象序列集，并从所述第一对象序列集中获取第一目标对象序列；

从所述初始训练数据中获取第二对象对应的第二对象序列集，并从所述第二对象序列集中获取第二目标对象序列；

其中，所述第一对象序列集中包括对应第一对象的k个第一对象序列，各所述第一对象序列中包括其对应的第一对象的m帧图像，所述第二对象序列集中包括对应第二对象的f个第二对象序列，各所述第二对象序列中包括其对应的第二对象的n帧图像。

4.根据权利要求3所述的方法，其特征在于，所述分别从每个所述对象对应的目标对象序列中获取待交换图像，包括：

从所述第一目标对象序列中获取第一待交换图像；

从所述第二目标对象序列中获取第二待交换图像；

所述将所获取的不同对象的待交换图像进行交换，得到数据增强后的目标训练数据，包括：

将所获取的所述第一待交换图像和所述第二待交换图像进行交换，得到数据增强后的所述目标训练数据。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述将所获取的不同对象的待交换图像进行交换，得到数据增强后的目标训练数据，包括：

将所获取的不同对象的待交换图像进行交换，得到交换后的初始训练数据；

对所述交换后的初始训练数据进行通道转换，生成预设通道数量的初始训练数据；

对所述预设通道数量的初始训练数据按照预设的数据存储要求进行存储，得到数据增强后的目标训练数据。

6.一种网络模型训练方法，其特征在于，所述方法包括：

构建初始网络模型；

获取权利要求1至5任一项生成的目标训练数据，并将所述目标训练数据作为所述初始网络模型的训练集数据；

将所述训练集数据输入所述初始网络模型，对所述初始网络模型进行训练，得到训练完成的网络模型；

所述将所述训练数据作为所述初始网络模型的训练集数据，包括：

将所述目标训练数据作为一个批次的训练集数据；

所述将所述训练集数据输入所述初始网络模型，对所述初始网络模型进行训练，得到训练完成的网络模型，包括：

通过所述一个批次的训练集数据对所述初始网络模型进行训练，得到训练后的初始网络模型；

计算所述训练后的初始网络模型的损失值；

判定所述损失值是否大于或等于预设损失阈值；

当所述损失值大于或等于预设损失阈值时，则获取下一批次的训练集数据，并继续对所述训练后的初始网络模型进行训练，直至所述损失值小于所述预设损失阈值，得到训练完成的网络模型。