[发明专利]模型训练方法、样本生成方法、装置、设备及存储介质

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取训练图像并将所述训练图像输入至第一编码器，获得所述第一编码器输出的第一隐向量；

将所述第一隐向量输入至生成器，获得所述生成器输出的重构图像；所述重构图像中包含按照预设噪声生成方法所生成的目标噪声；

将所述重构图像输入至第二编码器，获得所述第二编码器输出的第二隐向量；所述第二隐向量与所述第一隐向量之间的误差小于预设阈值；

将所述第二隐向量输入至判别器，获得所述判别器输出的判别结果；

根据所述判别结果对所述生成器以及所述判别器进行对抗训练，直至满足训练结束条件，则将所述第二编码器和所述判别器确定为样本生成模型。

2.根据权利要求1所述的模型训练方法，其特征在于，所述预设噪声生成方法包括：

设置初始噪声范围，迭代获取所述噪声范围内各噪声值对应的第二隐向量；

基于所获取的第二隐向量对所述初始噪声范围进行逐步缩小，直至确定目标噪声。

3.根据权利要求1所述的模型训练方法，其特征在于，所述预设噪声生成方法还包括：

通过预先构建的分类模型获取第二编码器输出的第二隐向量的分类结果；

基于所述第二隐向量的分类结果与所述训练图像的分类标签确定噪声范围；

根据所述噪声范围内各噪声值所对应的第二隐向量与所述第一隐向量之间的误差，确定目标噪声。

4.根据权利要求3所述的模型训练方法，其特征在于，所述预先构建的分类模型具体为DenseNet网络模型。

5.一种样本生成方法，其特征在于，包括：

获取初始图像，将所述初始图像输入至样本生成模型，由所述样本生成模型中的判别器通过加入目标噪声生成所述初始图像的目标样本；其中，

所述目标噪声通过预设噪声生成方法生成；

所述样本生成模型为采用如权利要求1～4任一项所述的模型训练方法训练出的模型。

6.一种模型训练装置，其特征在于，包括：

第一编码模块，用于获取训练图像并将所述训练图像输入至第一编码器，获得所述第一编码器输出的第一隐向量；

生成模块，用于将所述第一隐向量输入至生成器，获得所述生成器输出的重构图像；所述重构图像中包含按照预设噪声生成方法所生成的目标噪声；

第二编码模块，用于将所述重构图像输入至第二编码器，获得所述第二编码器输出的第二隐向量；所述第二隐向量与所述第一隐向量之间的误差小于预设阈值；

判别模块，用于将所述第二隐向量输入至判别器，获得所述判别器输出的判别结果；

训练模块，用于根据所述判别结果对所述生成器以及所述判别器进行对抗训练，直至满足训练结束条件，则将所述第二编码器和所述判别器确定为样本生成模型。

7.根据权利要求6所述的模型训练装置，其特征在于，所述生成模块中，所述预设噪声生成方法包括：

设置初始噪声范围，迭代获取所述噪声范围内各噪声值对应的第二隐向量；

基于所获取的第二隐向量对所述初始噪声范围进行逐步缩小，直至确定目标噪声。

8.根据权利要求7所述的模型训练装置，其特征在于，所述生成模块中，所述预设噪声生成方法还包括：

通过预先构建的分类模型获取第二编码器输出的第二隐向量的分类结果；

基于所述第二隐向量的分类结果与所述训练图像的分类标签确定噪声范围；

根据所述噪声范围内各噪声值所对应的第二隐向量与所述第一隐向量之间的误差，确定目标噪声。

9.一种数据处理设备，其特征在于，包括：

处理器，所述处理器和存储器耦合，所述存储器存储有程序，所述程序由所述处理器执行，使得所述数据处理设备执行如实现权利要求1～4任一所述的模型训练方法或者权利要求5所述的样本生成方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令用于执行上述权利要求1～4任一所述的模型训练方法或者权利要求5所述的样本生成方法。