[发明专利]一种数据增强方法、系统、设备及计算机可读存储介质

权利要求书

1.一种数据增强方法，其特征在于，包括：

判断当前数据增强方法是否发生概念漂移；

若当前数据增强方法发生所述概念漂移，则生成目标数据增强方法；

判断所述目标数据增强方法是否满足数据增强性能指标；

若所述目标数据增强方法满足所述数据增强性能指标，则基于所述目标数据增强方法对在线数据进行数据增强，得到目标数据；

其中，所述判断当前数据增强方法是否发生概念漂移，包括：

基于生成当前数据增强方法后、存入存储介质中的离线数据，确定概念漂移评估值；

基于所述概念漂移评估值判断当前数据增强方法是否发生概念漂移；

其中，所述生成目标数据增强方法，包括：

按照搜索策略，对搜索空间中的已有数据增强方法进行选择、组合得到所述目标数据增强方法。

2.根据权利要求1所述的方法，其特征在于，所述概念漂移评估值包括所述离线数据的数据特征；

所述基于所述概念漂移评估值判断当前数据增强方法是否发生概念漂移，包括：

判断所述离线数据的数据特征是否发生变化，若是，则判定当前数据增强方法发生所述概念漂移。

3.根据权利要求1所述的方法，其特征在于，所述概念漂移评估值包括所述离线数据的数量值；

所述基于所述概念漂移评估值判断当前数据增强方法是否发生概念漂移，包括：

判断所述数量值是否大于预设数值，所述预设数值表征当前数据增强方法开始发生所述概念漂移时增强数据的数据量；

若所述数量值大于所述预设数值，则判定当前数据增强方法发生所述概念漂移。

4.根据权利要求1所述的方法，其特征在于，所述搜索空间中所述已有数据增强方法的类型包括：错切、翻转、旋转、对比度变换、反色变换、直方图均衡化、像素值转换、色调分离、饱和度变换、亮度变换、锐度变换、cutout、random earsing、sample pairing、mixup、cutmix中的至少一个。

5.根据权利要求1所述的方法，其特征在于，所述生成目标数据增强方法；判断所述目标数据增强方法是否满足数据增强性能指标；若所述目标数据增强方法满足所述数据增强性能指标，则基于所述目标数据增强方法对在线数据进行数据增强，得到目标数据，包括：

基于预先训练的神经网络控制器，对所述已有数据增强方法进行选择、组合，生成满足所述数据增强性能指标的所述目标数据增强方法；

基于所述目标数据增强方法对在线数据进行数据增强，得到所述目标数据。

6.根据权利要求5所述的方法，其特征在于，所述神经网络控制器的训练过程包括：

获取所述离线数据；

在所述离线数据中选取出验证集；

对所述已有数据增强方法进行选择、组合，生成训练数据增强方法；

基于所述训练数据增强方法对所述神经网络控制器进行训练；

通过分类器，基于所述验证集及所述数据增强性能指标确定所述神经网络控制器的损失值；

基于所述损失值判断所述神经网络控制器是否收敛；

若所述神经网络控制器收敛，则完成对所述神经网络控制器的训练；

若所述神经网络控制器不收敛，则返回执行所述获取所述离线数据的步骤。

7.根据权利要求6所述的方法，其特征在于，所述基于所述目标数据增强方法对在线数据进行数据增强，得到目标数据之后，还包括：

基于所述目标数据对深度学习模型进行增量学习训练。