[发明专利]一种特种服装深度学习数据增强方法及装置

权利要求书

1.一种特种服装深度学习数据增强方法，其特征在于，包括：

获取随机噪声信号；

将所述随机噪声信号输入到特种服装图像生成模型中，得到由所述特种服装图像生成模型输出的多张特种服装生成图像，所述特种服装图像生成模型是通过样本特种服装图像，对生成对抗网络进行训练得到的，其中，所述样本特种服装图像中包括有穿着特种服装的目标人物；

根据所述多张特种服装生成图像和所述特种服装样本图像，构建特种服装深度学习数据训练集。

2.根据权利要求1所述的特种服装深度学习数据增强方法，其特征在于，所述特种服装图像生成模型通过以下步骤训练得到：

获取预设数量的样本特种服装图像，并对各张所述样本特种服装图像标记真实图像标签，构建得到第一样本集；

将随机生成的高斯噪声输入到生成器网络中，得到样本特种服装预测图像；

通过所述样本特种服装预测图像和所述第一样本集，对判别器网络进行训练，得到判别器反馈结果和参数更新后的判别器网络；

根据所述判别器反馈结果，对所述生成器网络的参数进行更新，得到参数更新后的生成器网络；

若训练结果满足预设条件，得到所述特种服装图像生成模型；若不满足，对所述参数更新后的生成器网络和所述参数更新后的判别器网络进行训练，直到训练结果满足预设条件。

3.根据权利要求2所述的特种服装深度学习数据增强方法，其特征在于，在所述获取预设数量的样本特种服装图像之后，所述方法还包括：

对各张所述样本特种服装图像进行图像预处理和图像增强处理，并通过处理后的样本特种服装图像构建所述第一样本集。

4.根据权利要求2所述的特种服装深度学习数据增强方法，其特征在于，所述生成器网络包括第一全连接层、归一化层、第二全连接层、第一卷积层和第二卷积层，其中，所述第一全连接层的输出端连接所述归一化层的输入端，所述归一化层的输出端连接所述第二全连接层的输入端，所述第二全连接层的输出端连接所述第一卷积层的输入端，所述第一卷积层的输出端连接所述第二卷积层的输入端；

所述判别器网络包括第三卷积层、池化层、第四卷积层、第三全连接层和第四全连接层，其中，所述第三卷积层的输出端连接所述池化层的输入端，所述池化层的输出端连接所述第四卷积层的输入端，所述第四卷积层的输出端连接所述第三全连接层的输入端，所述第三全连接层的输出端连接所述第四全连接层的输入端。

5.根据权利要求2所述的特种服装深度学习数据增强方法，其特征在于，所述生成器网络的损失函数为：

所述判别器网络的损失函数为：

其中，G表示生成器网络，D表示判别器网络，z表示输入的随机噪声；D(G(z))表示判别器网络对假数据的判断概率，所述假数据为生成器网络根据输入的随机噪声z生成的样本特种服装预测图像；x表示真实数据；D(x)表示判别器网络对所述真实数据的判断概率，所述真实数据为样本特种服装图像，a、b和c为固定参数。

6.根据权利要求2所述的特种服装深度学习数据增强方法，其特征在于，所述根据所述多张特种服装生成图像和所述特种服装样本图像，构建特种服装深度学习数据训练集，包括：

基于预设生成图像比例，从所述多张特种服装生成图像中确定对应数量的目标特种服装生成图像；

将所述目标特种服装生成图像添加到所述第一样本集中，得到特种服装深度学习数据训练集。

7.根据权利要求6所述的特种服装深度学习数据增强方法，其特征在于，在所述根据所述多张特种服装生成图像和所述特种服装样本图像，构建特种服装深度学习数据训练集之后，所述方法还包括：

通过特种服装深度学习数据训练集，对目标检测模型进行训练，得到特种服装穿戴检测模型；

将待识别图像输入到所述特种服装穿戴检测模型中，获取所述待识别图像中目标人物的特种服装穿戴检测结果。