[发明专利]一种样本生成方法、系统、设备及存储介质

说明书

本申请实施例提供一种样本生成方法、系统、设备及存储介质。在本申请实施例中，可通过生成对抗网络，从原始样本集包含的若干第一类型样本中，捕获指定类型的对象的特征分布信息，从而可利用生成对抗网络中的对象生成器衍生出若干符合指定类型的对象的特征分布信息的对象图像，在此基础上，可为衍生出的对象图像分别融合背景，从而获得若干新的第一类型样本。据此，本申请实施例中，可在有限数量的第一类型样本的基础上，衍生出更丰富的新的第一类型样本，这可为用于指定类型的对象检测的深度学习模型提供更多样、更大规模且高真实度的训练样本，从而可有效提高深度学习模型对指定类型的对象的检测性能。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种样本生成方法、系统、设备及存储介质。

背景技术

在工业制造的许多场景中，产品外观瑕疵检测一直都是企业生产产品的一个重要环节，瑕疵检测能够让企业及早发现缺陷产品，定位瑕疵产生原因，避免给企业造成更大的经济损失。传统瑕疵检测方法更多是采用人工方式，检测过程漫长、检测标准因人而异，于是更加自动化的检测方法成为企业的研究重点。随着深度学习的发展，基于深度学习的瑕疵检测算法不断涌现并取得了非常不错的效果，在各行各业中逐渐被应用起来。

但是，得益于当前生产工艺提高和自动化产线升级，产品的良品率通常较高，瑕疵样本较少出现，这导致瑕疵样本收集难、收集周期长、多样性不足，这严重影响了深度学习模型的训练效果，造成深度学习的检测性能不佳。

发明内容

本申请的多个方面提供一种样本生成方法、系统、设备及存储介质，用以提高样本的多样性和数量。

本申请实施例提供一种样本生成方法，包括：

获取原始样本集，所述原始样本集中的样本为第一类型样本，所述第一类型样本中包含指定类型的对象；

基于所述原始样本集对生成对抗网络进行训练，以供所述生成对抗网络中的对象生成器捕获所述原始样本集中指定类型的对象的特征分布信息；

利用所述对象生成器生成符合所述特征分布信息的若干对象图像；

为所述若干对象图像分别融合背景，以获得若干新的第一类型样本。

本申请实施例还提供一种样本生成方法，包括：

响应于调用目标服务的请求，确定所述目标服务对应的处理资源，利用所述目标服务对应的处理资源执行如下步骤：

获取原始样本集，所述原始样本集中的样本为第一类型样本，所述第一类型样本中包含指定类型的对象；

基于所述原始样本集对生成对抗网络进行训练，以供所述生成对抗网络中的对象生成器捕获所述原始样本集中指定类型的对象的特征分布信息；

利用所述对象生成器生成符合所述特征分布信息的若干对象图像；

为所述若干对象图像分别融合背景，以获得若干新的第一类型样本。

本申请实施例还提供一种样本生成方法，包括：

获取原始样本集；

基于所述原始样本集对生成对抗网络进行训练，以供所述生成对抗网络中的对象生成器捕获所述原始样本集中的指定类型的对象的特征分布信息；

利用所述对象生成器生成符合所述指定类型的对象的特征分布信息的若干对象图像；

为所述若干对象图像分别融合背景，以获得若干新的第一类型样本。

本申请实施例还提供一种样本生成系统，包括生成对抗网络和融合单元，所述生成对抗网络包括对象生成器；