[发明专利]一种基于语义的电子证件照的数据扩增方法及系统

说明书

本发明涉及一种基于语义的电子证件照的数据扩增方法及系统，该方法通过对扩增后的电子证件照数据集，增加样本的语义覆盖率和样本分布均匀度，实现了数量和语义覆盖度上的可观改善，输出满足预设质量要求的电子证件照测试数据集，从而实现通过少量数据集扩增岀大量高质量数据集。本发明提供的技术方案，由于在电子证件照数据扩增后，又考虑了样本的语义覆盖率和样本分布均匀度，因此输出的数据质量更佳，可以满足深度学习的各种场景应用需求，操作简单、准确率高、用户体验度好、满意度高。

技术领域

本发明涉及深度学习技术领域，具体涉及一种基于语义的电子证件照的数据扩增方法及系统。

背景技术

现有技术中，深度学习的成功主要依赖于三个重要的因素：大数据、大计算以及算法模型的创新。在实际应用中，真正拥有大量高质量标注数据的场景还是非常少的，人工标注数据的成本十分高昂。在标注数据不足的情况下，数据扩增是一种非常有效的提升模型性能的方法。

对于图像数据而言，现有技术对其进行一系列变换来实现数据扩增。例如，对原始图像应用旋转、左右翻转、裁剪、放缩等变换，这并不会改变图像的类别。通过这种方式，可以根据一张图像扩展出多张图像，有效地增加训练数据，防止模型的过拟合现象。但是，该方法只是对原始图像进行简单变换，数据扩增效果不佳，无法满足深度学习的场景应用需求。

发明内容

有鉴于此，本发明的目的在于提供一种基于语义的电子证件照的数据扩增方法及系统，以解决现有技术图像数据扩增效果不佳，导致无法满足深度学习的场景应用需求的问题。

根据本发明实施例的第一方面，提供一种基于语义的电子证件照的数据扩增方法，包括：

获取待处理的电子证件照数据集；

对所述电子证件照数据集进行数据扩增；

对扩增后的电子证件照数据集，增加样本的语义覆盖率和样本分布均匀度，直至输出满足预设质量要求的电子证件照测试数据集。

优选地，所述方法，还包括：

根据相似度，对所述电子证件照测试数据集进行标注。

优选地，所述对所述电子证件照进行数据扩增，包括：

输入待处理的电子证件照数据集D，一组通用算子Ω；

对于D中的每一个电子证照样本di，从Ω中随机选取指定数量的扩增算子与di匹配；

对于每个di，使用与其匹配的扩增算子进行扩增计算，得到新的扩增数据di’，并将di’存入D中；

输出扩增后的电子证照数据集D。

优选地，所述对扩增后的电子证件照数据集，增加样本的语义覆盖率和样本分布均匀度，包括：

输入扩增后的电子证照数据集D；

基于感知模型与图像结构信息的评估指标，从D中筛选优秀的电子证照图像样本子集D’；

使用分割模型M，将D’中所有数据进行语义分割，并将分割所得的实例存入对应的数据池中；

使用Matching-Combination算法，从数据池中选取合适的实例进行重组；

通过边缘平滑滤波，清洗重组后的新图像di”，并将di”存入D’中；

基于Borderline-SMOTE技术，判断D’的语义覆盖率和样本分布均匀程度是否符合要求，若是，输出电子证件照测试数据集D’；否则，继续使用Matching-Combination算法，从数据池中分别选取合适的实例进行重组。

优选地，所述分割模型M为基于FCN全卷积神经网络的语义分割模型M，包括四个空数据池：背景数据池、徽标数据池、文字数据池、头像数据池。

优选地，所述基于感知模型与图像结构信息的评估指标，包括：

恰可识别阈值JND及梯度幅度相似性偏差GMSD。