[发明专利]数据生成的方法、装置、设备和存储介质

说明书

本申请提供了一种数据生成的方法、装置、设备和存储介质，属于人工智能技术领域。该方法包括：获取第一图像的子图像，子图像包括第一图像中截取的待迁移目标，确定该子图像中待迁移目标的轮廓信息，基于轮廓信息和参考风格，对第一图像中待迁移目标进行风格迁移，获得第二图像，第二图像与第一图像的背景区域相同，该背景区域为第一图像中除待迁移目标之外的区域。采用本申请的方案，对图像中待迁移目标进行风格迁移处理，不会使得图像的背景信息受到破坏，进而使得数据的质量比较好。

技术领域

本申请涉及人工智能(artificial intelligence，AI)技术领域，特别涉及一种数据生成的方法、装置、设备和存储介质。

背景技术

在人工智能领域，模型经常会出现算法泛化问题，算法泛化问题指：由于训练数据和测试数据分布的差异性，使得使用训练数据训练得到的模型在训练数据的场景中性能较好，但是该模型在测试数据的场景中性能较差。例如，模型是基于白天拍摄的图像训练的，对于白天拍摄的图像的检测性能比较好，但是模型对于晚上拍摄的图像的检测性能比较差。为了使得模型能适配的更多的场景，通常需要采集该场景的数据。

目前有一些图像变换的技术获得训练数据。比如我们已有A场景的图像，检测模型是基于A场景的图像训练获得，想要使得检测模型也适用于B场景的图像检测，可以使用算法模型将A场景的图像转换到B场景的风格上，且内容未发生变化。例如，当前有白天场景下的红绿蓝(red green blue，RGB)图像，给定一张晚上场景的风格图像，可以将白天场景下的RGB图像转换为晚上场景的图像，但是图像内容未发生变化，这样，就获得B场景的图像。用算法生成的B场景的图像对模型进行训练，即可使得该模型适用于B场景的图像检测。

在目前的技术中，对图像整体进行风格迁移，使得图像的背景信息受到破坏，进而使得数据不真实，导致数据的质量比较差。

发明内容

本申请提供了一种数据生成的方法、装置、设备和存储介质，能够使得风格迁移后的数据质量比较好。

第一方面，本申请提供了一种数据生成的方法，该方法包括：获取第一图像的子图像，该子图像包括该第一图像中截取的待迁移目标；确定该子图像中该待迁移目标的轮廓信息；基于该轮廓信息和参考风格，对该第一图像中该待迁移目标进行风格迁移，获得第二图像，该第二图像与该第一图像的背景区域相同，该背景区域为该第一图像中除该待迁移目标之外的区域。

本申请所示的方案，获取第一图像的子图像，然后确定该子图像中待迁移目标的轮廓信息，使用该轮廓信息和参考风格，对第一图像中的待迁移目标进行风格迁移，使得风格迁移获得的图像中仅是对待迁移目标进行迁移，而不会使得背景区域破坏，所以能够使得风格迁移后的图像的质量比较好。而且，由于子图像包括的目标比较少，所以在子图像中确定待迁移目标的轮廓信息，能够使得确定的轮廓信息更准确。

在一种可能的实现方式中，该参考风格指示该待迁移目标进行风格迁移后的表观信息，该表观信息包括颜色、纹理、亮度或光照中的一种或多种。

在一种可能的实现方式中，该获取第一图像的子图像，包括：向终端发送无标注的样本图像，该样本图像包括和该待迁移目标同类的目标；接收该终端发送的用户为该样本图像中目标添加的标注信息；基于该样本图像和该标注信息，确定该第一图像中该待迁移目标的选取框的位置信息；基于该选取框的位置信息，从该第一图像中截取获得该子图像。

本申请所示的方案，用户可以交互式为样本图像添加标注信息，使用样本图像和该标注信息，确定第一图像中待迁移目标的选取框的位置信息，使用该选取框的位置信息，截取出第一图像的子图像。这样，使用用户标注的样本图像，就能获得第一图像中待迁移目标的选取框的位置信息。

在一种可能的实现方式中，该确定该子图像中该待迁移目标的轮廓信息，包括：对该子图像进行显著性目标检测，获得该子图像中该待迁移目标的轮廓信息。