新场景适配方法、装置、设备及存储介质.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CN113902762A(43)申请公布日2022.01.07(21)申请号202111324963.3G06V10/80(2022.01)(22)申请日2021.11.10G06V10/764(2022.01)G06V10/774(2022.01)(71)申请人奇酷软件（深圳）有限公司地址518000广东省深圳市南山区桃源街道学苑大道1001号南山智园A2栋10层(72)发明人林楚然王福泉程力行袁振华贾东风(74)专利代理机构深圳市恒程创新知识产权代理有限公司44542代理人王韬(51)Int.Cl.G06T7/11(2017.01)G06T7/62(2017.01)G06T5/50(2006.01)G06K9/62(2022.01)权利要求书2页说明书13页附图5页(54)发明名称新场景适配方法、装置、设备及存储介质(57)摘要本发明属于深度学习技术领域，公开了一种新场景适配方法、装置、设备及存储介质。该方法包括：从旧数据集中选取目标正样本；获取新场景图像，从新场景图像中截取目标区域，得到目标负样本；将目标正样本与目标负样本进行融合，得到新样本；确定新样本对应的分类结果；根据新样本和对应的分类结果构成新数据集；根据旧数据集和新数据集对预设分类模型进行训练。通过上述方式，将现有旧数据集中的样本数据作为正样本，将场景图像作为负样本，融合生成新数据集，根据旧数据集和新数据集对预设分类模型进行训练，使得预设分类模型快速适配新场景，无需采集大量的包含分类目标的新场景样本数据，缩短适配耗时，提高适配效率。CN113902762ACN113902762A权利要求书1/2页1.一种新场景适配方法，其特征在于，所述新场景适配方法包括：从旧数据集中选取目标正样本；获取新场景图像，从所述新场景图像中截取目标区域，得到目标负样本；将所述目标正样本与所述目标负样本进行融合，得到新样本；确定所述新样本对应的分类结果；根据所述新样本和对应的分类结果构成新数据集；根据所述旧数据集和所述新数据集对预设分类模型进行训练。2.如权利要求1所述的新场景适配方法，其特征在于，所述将所述目标正样本与所述目标负样本进行融合，得到新样本，包括：随机生成面积比例、起始位置以及长宽比；根据所述面积比例和所述长宽比从所述目标负样本中截取待融合数据；根据所述起始位置将所述待融合数据与所述目标正样本进行融合，得到新样本。3.如权利要求2所述的新场景适配方法，其特征在于，所述确定所述新样本对应的分类结果，包括：获取所述目标正样本对应的初始分类结果；根据所述面积比例和所述初始分类结果确定所述新样本对应的分类结果。4.如权利要求3所述的新场景适配方法，其特征在于，所述获取所述目标正样本对应的初始分类结果，包括：获取所述目标正样本对应的目标类别；基于全部类别对所述目标类别进行一位有效编码，得到所述目标正样本对应的初始分类结果。5.如权利要求2所述的新场景适配方法，其特征在于，所述根据所述面积比例和所述长宽比从所述目标负样本中截取待融合数据之后，所述方法还包括：随机生成预设旋转角度；根据所述预设旋转角度和所述起始位置将所述待融合数据与所述目标正样本进行融合，得到新样本。6.如权利要求2所述的新场景适配方法，其特征在于，所述随机生成面积比例，包括：基于狄利克雷分布随机生成面积比例。7.如权利要求1所述的新场景适配方法，其特征在于，所述将所述目标正样本与所述目标负样本进行融合，得到新样本，包括：随机生成目标面积比例、目标起始位置、目标长宽比以及多组当前旋转角度；根据所述目标面积比例和所述目标长宽比从所述目标负样本中截取当前待融合数据；对所述当前待融合数据进行镜像翻转处理，得到若干当前镜像数据；分别根据各组所述当前旋转角度和所述目标起始位置将各个所述当前镜像数据与所述目标正样本进行融合，得到多个新样本。8.一种新场景适配装置，其特征在于，所述新场景适配装置包括：选取模块，用于从旧数据集中选取目标正样本；截取模块，用于获取新场景图像，从所述新场景图像中截取目标区域，得到目标负样本；2CN113902762A权利要求书2/2页融合模块，用于将所述目标正样本与所述目标负样本进行融合，得到新样本；分类模块，用于确定所述新样本对应的分类结果；生成模块，用于根据所述新样本和对应的分类结果构成新数据集；训练模块，用于根据所述旧数据集和所述新数据集对预设分类模型进行训练。9.一种新场景适配设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的新场景适配程序，所述新场景适配程序配置为实现如权利要求1至7中任一项所述的新场景适配方法。10.一种存储介质，其特征在于，所述存储介质上存储有新场景适配程序，所述新