[发明专利]训练数据生成方法、分类器训练方法、装置、设备及介质

说明书

本申请公开了一种训练数据生成方法，在获取到具有长尾分布特点的第一训练样本集合后，针对该第一训练样本集合中的第一类别，根据第一类别的第一训练样本获取第一原始特征集合，并根据该第一原始特征集合中的特征确定第一类别对应的特征均值和特征方差。基于高斯分布函数以及第一类别对应的特征均值和特征方差获得第一类别对应的生成特征集合。即通过高斯分布函数、特征均值以及特征方差对第一类别的特征进行扩充，生成新的特征。将第一类别的第一原始特征集合和生成特征集合进行组合作为第一类别对应的训练数据。可见，本申请通过生成新的特征的方式来扩充尾部类别的特征，从而增加尾部类别特征的多样性，提高尾部类别训练的准确性。

技术领域

本申请涉及计算机技术领域，具体涉及一种训练数据生成方法、分类器训练方法、装置、设备及介质。

背景技术

长尾分布数据是一种偏态分布，是指几个类别(亦叫头部类别)包含大量的样本，而大多数类别(亦叫尾部类别)只有非常少量的样本。在利用长尾分布数据训练网络时，结果往往会对头部；类别进行过拟合，而忽略尾部类别，导致训练的网络无法对尾部类别的数据进行精准识别。

发明内容

有鉴于此，本申请提供一种训练数据生成方法、分类器训练方法、装置、设备及介质，以扩充尾部类别的特征，提高尾部类别的识别精度。

为实现上述目的，本申请提供的技术方案如下：

在本申请第一方面，提供了一种训练数据生成方法，所述方法包括：

获取第一训练样本集合，所述第一训练样本集合包括多个类别的第一训练样本，所述第一训练样本集合呈长尾分布；

针对第一类别，根据所述第一类别的第一训练样本获取第一原始特征集合，所述第一类别为所述多个类别所包括的类别；

根据所述第一原始特征集合中的特征确定所述第一类别对应的特征均值和特征方差；

根据高斯分布函数以及所述第一类别对应的特征均值、特征方差获取所述第一类别对应的生成特征集合，所述生成特征集合中包括新生成的特征；

将所述第一类别的第一原始特征集合和所述生成特征集合进行组合获得所述第一类别对应的训练数据。

在本申请第二方面，提供了一种分类器训练方法，所述方法还包括：

获取训练数据，所述训练数据是通过第一方面所述的方法获取的；

利用所述训练数据对分类器进行训练。

在本申请第三方面，提供了一种训练数据生成装置，所述装置包括：

第一获取单元，用于获取第一训练样本集合，所述第一训练样本集合包括多个类别的第一训练样本，所述第一训练样本集合呈长尾分布；

第二获取单元，用于针对第一类别，根据所述第一类别的第一训练样本获取第一原始特征集合，所述第一类别为所述多个类别所包括的类别；

确定单元，用于根据所述第一原始特征集合中的特征确定所述第一类别对应的特征均值和特征方差；

第三获取单元，用于根据高斯分布函数以及所述第一类别对应的特征均值、特征方差获取所述第一类别对应的生成特征集合，所述生成特征集合中包括新生成的特征；

第四获取单元，用于将所述第一类别的第一原始特征集合和所述生成特征集合进行组合获得所述第一类别对应的训练数据。

在本申请第四方面，提供了一种分类器训练装置，所述装置包括：

获取单元，用于获取训练数据，所述训练数据是通过第一方面所述的方法获取的；

训练单元，用于利用所述训练数据对分类器进行训练。