图像数据生成方法、模型训练方法、装置、设备及介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114140619A(43)申请公布日2022.03.04(21)申请号202111278700.3G06N3/08(2006.01)(22)申请日2021.10.31(71)申请人浪潮电子信息产业股份有限公司地址250101山东省济南市高新区浪潮路1036号(72)发明人朱克峰阚宏伟王彦伟(74)专利代理机构北京集佳知识产权代理有限公司11227代理人张艺(51)Int.Cl.G06V10/44(2022.01)G06V10/764(2022.01)G06V10/82(2022.01)G06K9/62(2022.01)G06N3/04(2006.01)权利要求书2页说明书11页附图4页(54)发明名称图像数据生成方法、模型训练方法、装置、设备及介质(57)摘要本申请公开了一种图像数据生成方法、模型训练方法、装置、设备及介质，该方法包括：构建包含第一正则项和第二正则项的目标函数；获取预先经过训练的初始神经网络模型，然后从初始神经网络模型的归一化层中提取出预保存特征图信息；创建噪声图像，并将噪声图像作为初次迭代图像，然后提取出初次迭代图像的特征图；以初次迭代图像的特征图、预保存特征图信息和初次迭代图像作为初次迭代参数，并基于预设迭代次数针对目标函数展开多次迭代运算，以生成相应的图像数据，以便将图像数据作为训练数据对初始神经网络模型进行重新训练。通过上述方案，实现了能够避免获取原始数据集困难的情况，进而提高初始神经网络模型的精确度。CN114140619ACN114140619A权利要求书1/2页1.一种图像数据生成方法，其特征在于，包括：构建包含第一正则项和第二正则项的目标函数；其中，所述第一正则项以迭代图像为变量参数，所述第二正则项以所述迭代图像的特征图为变量参数，并且，非初次迭代的所述迭代图像为基于所述目标函数的函数值构建的图像；获取预先经过训练的初始神经网络模型，然后从所述初始神经网络模型的归一化层中提取出预保存特征图信息；创建噪声图像，并将所述噪声图像作为初次迭代图像，然后提取出所述初次迭代图像的特征图；以所述初次迭代图像的特征图、所述预保存特征图信息和所述初次迭代图像作为初次迭代参数，并基于预设迭代次数针对所述目标函数展开多次迭代运算，以生成相应的图像数据，以便将所述图像数据作为训练数据对所述初始神经网络模型进行重新训练。2.根据权利要求1所述的图像数据生成方法，其特征在于，所述构建包含第一正则项和第二正则项的目标函数，包括：基于预先经过训练的所述初始神经网络模型以及预先指定的待生成图像类别，构建与所述初始神经网络模型对应的分类损失函数；构建以所述迭代图像为变量参数的用于控制图像自然特性的第一正则项，并构建以所述迭代图像的特征图为变量参数的用于控制图像逼真程度的第二正则项；构建包含所述第一正则项、所述第二正则项和所述分类损失函数的目标函数。3.根据权利要求2所述的图像数据生成方法，其特征在于，所述构建以所述迭代图像为变量参数的用于控制图像自然特性的第一正则项，包括：以所述迭代图像为变量参数，分别构建全局方差和L2正则项，并为所述全局方差和所述L2正则项分配相应的权重系数，以得到用于控制图像自然特性的第一正则项。4.根据权利要求2所述的图像数据生成方法，其特征在于，所述构建以所述迭代图像的特征图为变量参数的用于控制图像逼真程度的第二正则项，包括：以所述迭代图像的特征图为变量参数，构建特征图信息计算函数，并基于所述特征图信息计算函数与所述预保存特征图信息之间的差构建用于控制图像逼真程度的第二正则项。5.根据权利要求4所述的图像数据生成方法，其特征在于，所述从所述初始神经网络模型的归一化层中提取出预保存特征图信息，包括：从所述初始神经网络模型的归一化层中提取出预保存的特征图均值信息和特征图方差信息；相应的，所述以所述迭代图像的特征图为变量参数，构建特征图信息计算函数，并基于所述特征图信息计算函数与所述预保存特征图信息之间的差构建用于控制图像逼真程度的第二正则项，包括：以所述迭代图像的特征图为变量参数，分别构建特征图均值函数和特征图方差函数；基于所述特征图均值函数与所述特征图均值信息之间的差构建第一L2正则项，以及基于所述特征图方差函数与所述特征图方差信息之间的差构建第二L2正则项；构建包含所述第一L2正则项和所述第二L2正则项的用于控制图像逼真程度的第二正则项。2CN114140619A权利要求书2/2页6.根据权利要求1至5任一项所述的图像数据生成方法，其特征在于，所述基于预设迭代次数针对所述目标函数展开多次迭代运算，以生成相应的图像数据之前，还包括：确定用于配置所述目标函数的超参数信息，并利用所述超参数信息对所述目标函数进行配置；其中，将学习率