[发明专利]样本生成及模型训练方法、装置、设备及存储介质在审

专利信息
申请号: 202210475907.8 申请日: 2022-04-29
公开(公告)号: CN114936963A 公开(公告)日: 2022-08-23
发明(设计)人: 周密;洪伟;姜波;胡光龙 申请(专利权)人: 网易(杭州)网络有限公司
主分类号: G06T3/00 分类号: G06T3/00;G06T7/269;G06T7/254;G06T3/40;G06T9/00;G06N3/04;G06N3/08;G06V40/16;G06V10/764
代理公司: 北京律智知识产权代理有限公司 11438 代理人: 孙宝海
地址: 310052 浙江省杭州*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 样本 生成 模型 训练 方法 装置 设备 存储 介质
【说明书】:

本公开的实施方式涉及计算机技术领域,更具体地,本公开的实施方式涉及样本生成及模型训练方法、装置、设备及存储介质。本公开的技术方案能够通过将第一生物对象的第一基准图像和第一生物对象的驱动图像输入样本图像生成模型,以通过样本图像生成模型获得第一生物对象从第一基准图像变换到驱动图像的动作信息,将第二生物对象的第二基准图像输入样本图像生成模型,以通过样本图像生成模型对第二基准图像中第二生物对象的图像特征进行提取,由样本图像生成模型基于图像特征和动作信息生成第二生物对象的样本图像。本技术方案能够高效地进行生物对象的样本图像的生成,实现对样本图像的场景及姿态扩展。

技术领域

本公开的实施方式涉及生物特征识别领域,更具体地,本公开的实施方式涉及样本生成及模型训练方法、装置、设备及存储介质。

背景技术

本部分旨在为本公开的实施方式提供背景或上下文,此处的描述不因为包括在本部分中就承认是现有技术。

生物特征识别(BIOMETRICS)技术,是指通过计算机利用生物对象本身的生物特征来区分生物对象个体的计算机技术。

在相关技术中,以深度学习技术为代表的人工智能技术发展,为生物特征识别提供了计算和分析支撑,识别准确率大幅提高。基于深度学习的生物特征识别技术使用海量的生物对象图像样本进行模型训练,训练好的模型可用于生物特征识别。

其中,生物对象图像样本的样本量是影响模型效果的一个因素,通常样本越丰富,模型效果更好。

发明内容

在本上下文中,本发明的实施方式期望提供一种样本生成及模型训练方法、装置、设备及存储介质。

根据本公开的一个方面,提供一种样本生成方法,其包括:

将第一生物对象的第一基准图像和第一生物对象的驱动图像输入样本图像生成模型,以通过样本图像生成模型获得第一生物对象从第一基准图像变换到驱动图像的动作信息;

将第二生物对象的第二基准图像输入样本图像生成模型,以通过样本图像生成模型对第二基准图像中第二生物对象的图像特征进行提取,由样本图像生成模型基于图像特征和动作信息生成第二生物对象的样本图像。

根据本公开的一个方面,提供一种样本图像生成模型训练方法,包括:

将参考生物对象的源图像和参考生物对象的目标图像输入待训练模型,以通过待训练模型估计参考生物对象从源图像变换到目标图像的动作信息;

将源图像输入待训练模型,通过待训练模型对源图像中参考生物对象的图像特征进行提取,由待训练模型基于图像特征和动作信息生成参考生物对象的合成图像;

根据合成图像与目标图像之间的损失函数训练待训练模型,直到达到训练停止条件,将达到训练停止条件的待训练模型作为样本图像生成模型。

根据本公开的一个方面,提供一种样本生成装置,其包括:

第一动作信息获取模块,将第一生物对象的第一基准图像和第一生物对象的驱动图像输入样本图像生成模型,以通过样本图像生成模型获得第一生物对象从第一基准图像变换到驱动图像的动作信息;

第一样本图像生成模块,将第二生物对象的第二基准图像输入样本图像生成模型,以通过样本图像生成模型对第二基准图像中第二生物对象的图像特征进行提取,由样本图像生成模型基于图像特征和动作信息生成第二生物对象的样本图像。

根据本公开的一个方面,提供一种样本图像生成模型训练装置,包括:

第二动作信息获取模块,将参考生物对象的源图像和参考生物对象的目标图像输入待训练模型,以通过待训练模型估计参考生物对象从源图像变换到目标图像的动作信息;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于网易(杭州)网络有限公司,未经网易(杭州)网络有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210475907.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top