[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

说明书

本申请涉及计算机技术领域，特别是涉及一种训练数据增强方法、网络模型训练方法、装置和设备。所述方法包括：获取初始训练数据，并识别初始训练数据中的至少两个对象；获取每个对象对应的对象序列集，并从各对象序列集中确定对应对象的目标对象序列；分别从每个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。采用本方法能够提升训练得到的模型的泛化能力。

技术领域

本申请涉及计算机技术领域，特别是涉及一种训练数据增强方法、网络模型训练方法、装置和设备。

背景技术

行人重识别(Person Re-identification，ReID)任务作为计算机视觉中的一个重要分支，在智慧城市，智慧交通等领域存在广泛应用。在这类任务中，一个移动目标可能先后出现在不同的摄像头中，利用计算机视觉的相关方法来判断不同摄像头中的两个目标是否属于同一个目标。

在传统方式中，可以通过深度学习的方式进行ReID任务分析。但是由于对象移动的不稳定性，很难有充足的训练数据进行模型训练，存在部分训练集中未涵盖真实数据的缺陷，从而使得模型的泛化能力不足。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提升模型泛化能力的训练数据增强方法、网络模型训练方法、装置和设备。

一种训练数据增强方法，训练数据用于机器学习，所述方法包括：

获取初始训练数据，并识别初始训练数据中的至少两个对象；

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

分别从每个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。

在其中一个实施例中，获取初始训练数据，并识别初始训练数据中的至少两个对象，包括：

对获取的每个对象执行身份检测，直到获取到至少两个不同身份的对象为止。

在其中一个实施例中，目标对象序列包括其对应的对象的多帧图像；

获取每个对象对应的对象序列集，并从各对象序列集中确定对应对象的目标对象序列，包括：

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

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

其中，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，各第一对象序列中包括其对应的第一对象的m帧图像，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，各第二对象序列中包括其对应的第二对象的n帧图像。

在其中一个实施例中，分别从每个对象对应的目标对象序列中获取待交换图像，包括：

从第一目标对象序列中获取第一待交换图像；

从第二目标对象序列中获取第二待交换图像；

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，包括：

将所获取的第一待交换图像和第二待交换图像进行交换，得到数据增强后的目标训练数据。

在其中一个实施例中，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；