CN113093967A - 数据生成方法、装置、计算机装置及存储介质 - Google Patents

数据生成方法、装置、计算机装置及存储介质 Download PDF

Info

Publication number
CN113093967A
CN113093967A CN202010017967.6A CN202010017967A CN113093967A CN 113093967 A CN113093967 A CN 113093967A CN 202010017967 A CN202010017967 A CN 202010017967A CN 113093967 A CN113093967 A CN 113093967A
Authority
CN
China
Prior art keywords
data
sample
sample data
training set
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010017967.6A
Other languages
English (en)
Inventor
林忠亿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Futaihua Industry Shenzhen Co Ltd
Hon Hai Precision Industry Co Ltd
Original Assignee
Futaihua Industry Shenzhen Co Ltd
Hon Hai Precision Industry Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Futaihua Industry Shenzhen Co Ltd, Hon Hai Precision Industry Co Ltd filed Critical Futaihua Industry Shenzhen Co Ltd
Priority to CN202010017967.6A priority Critical patent/CN113093967A/zh
Priority to US16/883,886 priority patent/US11527058B2/en
Publication of CN113093967A publication Critical patent/CN113093967A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04845—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range for image manipulation, e.g. dragging, rotation, expansion or change of colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/2163—Partitioning the feature space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/22—Arrangements for sorting or merging computer data on continuous record carriers, e.g. tape, drum, disc
    • G06F7/24—Sorting, i.e. extracting data from one or more carriers, rearranging the data in numerical or other ordered sequence, and rerecording the sorted data on the original carrier or on a different carrier or set of carriers sorting methods in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/778—Active pattern-learning, e.g. online learning of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Library & Information Science (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Computer Hardware Design (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种数据生成方法、数据生成装置、计算机装置及计算机存储介质，所述方法包括：获取第一样本数据；确定所述第一样本数据的类型及所述类型对应的数据扩充方式，根据确定的所述数据扩充方式对所述第一样本数据进行扩充，以生成第二样本数据；根据预设规则将所述第一样本数据和所述第二样本数据划分为训练集和验证集，其中，所述训练集用于训练一数据模型，所述验证集用于验证训练后的所述数据模型。通过所述方法可以自动生成新的样品数据，从而提升了数据模型特性信息提取的精度。

Description

数据生成方法、装置、计算机装置及存储介质
技术领域
本发明涉及人工智能技术领域，具体涉及一种数据生成方法、数据生成装置、计算机装置及计算机存储介质。
背景技术
在人工智能领域，经常需要训练一个数据模型用来对待识别信息进行识别，所述待识别信息可以包括图像、文字、数字。在数据模型训练过程中，需要获取大量原始数据对数据模型进行训练。因此，原始数据数量的多少直接影响了数据模型中数据的拟合精度、参数设置、算法选择，从而进一步影响了数据模型识别的精度。但是在现实的生产生活中，在一些生产领域，由于环境技术等方面的限制无法获取足够多的原始数据对模型进行训练。例如产品在线检测领域，对于产品量产阶段出现的不良，由于产品的良率高，无法获得足够多的原始数据对所述不良的特征信息进行提取，从而影响了数据模型对所述不良识别的精度。
发明内容
鉴于以上内容，有必要提出一种数据生成方法及装置、计算机装置和计算机存储介质，通过所述方法可以自动生成新的样品数据，从而提升了数据模型特性信息提取的精度。
本申请的第一方面提供一种数据生成方法，所述方法包括：
获取第一样本数据；
确定所述第一样本数据的类型及所述类型对应的数据扩充方式，根据确定的所述数据扩充方式对所述第一样本数据进行扩充，以生成第二样本数据；
根据预设规则将所述第一样本数据和所述第二样本数据划分为训练集和验证集，其中，所述训练集用于训练一数据模型，所述验证集用于验证训练后的所述数据模型。
优选地，所述根据预设规则将所述第一样本数据和所述第二样本数据划分为训练集和验证集的方法包括如下任意一种：
将所述第一样本数据作为训练集，将所述第二样本数据作为验证集；
将所述第一样本数据和所述第二样本数据整合成样本数据集，并按照预设比例对样本数据集中的数据进行划分，将第一预设比例的样本数据集中的数据作为训练集，将第二预设比例的样本数据集中数据作为验证集。
优选地，选择所述数据模型，并利用所述训练集对所述数据模型进行训练，其中所述数据模型用于获取所述训练集中的特征信息；
利用所述验证集对训练后的数据模型进行验证，根据验证结果确定所述数据模型获取训练集中的特征信息的准确率。
优选地，所述方法还包括：
判断所述准确率是否大于预设阈值；
若大于，则将所述数据模型进行输出；
若不大于，则对训练集中的数据进行整理后重新对所述数据模型进行训练，其中，所述整理的方法包括如下一种或多种：去除训练集中不具有所述特征信息的数据、重新划分训练集和验证集。
优选地，所述第一样本数据的类型包括：图像、数字、文字中的一种或多种。
优选地，所述第一样本数据为图像，所述根据确定的所述数据扩充方式对所述第一样本数据进行扩充，以生成第二样本数据的方法包括如下一种或多种：
对任一第一样本图像进行至少一次预设角度的旋转，按照所述预设角度每旋转一次，则生成一张第二样本图像；
对任一第一样本图像进行至少一次预设比例的缩小，按照所述预设比例每缩小一次，则生成一张第二样本图像；
对任一第一样本图像进行至少一次预设比例的放大，按照所述预设比例每放大一次，则生成一张第二样本图像。
优选地，所述待处理数据为数字，所述根据确定的所述数据扩充方式对所述第一样本数据进行扩充，以生成第二样本数据的方法包括如下一种或多种：
对第一样本数字按照预设规则进行分组，对于每组数字取平均值，将所述平均值作为第二样本数字；
对第一样本数字按照预设规则进行分组，对于每组数字取标准方差值，将所述标准方差值作为第二样本数字。
本申请的第二方面提供一种数据生成装置，所述装置包括：
获取模块，用于获取第一样本数据；
扩充模块，用于确定所述第一样本数据的类型及所述类型对应的数据扩充方式，根据确定的所述数据扩充方式对所述第一样本数据进行扩充，以生成第二样本数据；
执行模块，用于根据预设规则将所述第一样本数据和所述第二样本数据划分为训练集和验证集，其中，所述训练集用于训练一数据模型，所述验证集用于验证训练后的所述数据模型。
本申请的第三方面提供一种计算机装置，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如前所述数据生成方法。
本申请的第四方面提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述数据生成方法。
本发明在仅能获取到有限数量的第一样本数据的情况下，根据所述样本数据的类型，选择对应的数据扩充方式利用所述第一样本数据生成第二样本数据，将所述第一样本数据和所述第二样本数据作为样本数据集，根据预设规则将所述样本数据集划分为训练集和验证集，使用训练集对数据模型进行训练，使用验证集对训练后的数据模型进行验证，通过所述方法使得数据模型识别特征信息的精度得到增强。
附图说明
图1是本发明一实施例提供的数据生成方法的应用环境架构示意图。
图2是本发明一实施例提供的数据生成方法流程图。
图3是本发明一实施例提供的数据生成装置的结构示意图。
图4是本发明一实施例提供的计算机装置示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
参阅图1所示，为本发明实施例一提供的数据生成方法的应用环境架构示意图。
本发明中的数据生成方法应用在计算机装置1中，所述计算机装置1和至少一个电子设备2通过网络建立通信连接。所述电子设备2用于获取第一样本数据，并将获取到的所述第一样本数据通过网络发送至计算机装置1。所述计算机装置1用于接收所述第一样本数据，将所述第一样本数据标记为训练集中的数据，并利用所述第一样本数据生成方法得到验证集中的第二样本数据。所述网络可以是有线网络，也可以是无线网络，例如无线电、无线保真(Wireless Fidelity,WIFI)、蜂窝、卫星、广播等。
所述计算机装置1可以为安装有数据生成软件的电子设备，例如个人电脑、服务器等，其中，所述服务器可以是单一的服务器、服务器集群或云服务器等。
所述电子设备2可以是具有摄像功能的便携式电子设备、测试设备、或生产设备，用于获取样本图像。所述电子设备2还可以是具有生产数据记录功能的生产设备或测试设备。所述电子设备还可以是具有文字处理和录入功能的电子设备，包括但不限于智能手机、平板电脑、膝上型便捷计算机、台式计算机等，用于接收用户输入的样本数据。
请参阅图2所示，是本发明一实施例提供的数据生成方法的流程图。根据不同的需求，所述流程图中的步骤的顺序可以改变，某些步骤可以省略。
步骤S1、获取第一样本数据。
所述第一样本数据的类型包括：图像、数字、文字中的一种或多种。
在本发明一实时方式中，所述第一样本数据可以是所述计算机装置1从所述电子设备2获取的不良样本图像，例如，电子设备2检测到一产品具有表面划伤瑕疵时，获取带有瑕疵表面产品的图像发送给计算机装置1，计算机装置1接收所述图像。
在本发明一实施方式中，所述第一样本数据可以是电子设备2在线获取的具有产品外部特征的所有图像，所述电子设备2将所述图像发送给计算机装置1。计算机装置1接收到图像后识别所述图像中的特征信息，并将所述特征信息与预设数据库中的特征信息进行比对，判断所述图像中的特征信息是否符合预设条件，若符合所述预设条件，则将具有所述特征信息的图像标记为第一样本数据。其中，所述预设数据库中的特征信息可以是符合样本数据条件的特征信息，也可以是不符合样本数据条件的特征信息。所述预设条件可以是与所述产品外观特征信息有差异的产品图像。所述预设条件还可以是满足外观特征信息要求的产品图像。
步骤S2、确定所述第一样本数据的类型及所述类型对应的数据扩充方式，根据确定的所述数据扩充方式对所述第一样本数据进行扩充，以生成第二样本数据。
在本发明一实施方式中，当所述第一样本数据类型为图像时，所述第一样本数据扩充方式包括：对任一第一样本图像进行至少一次预设角度的旋转，按照所述预设角度每旋转一次，则生成一张第二样本图像。例如对所述训练集中的任意一幅第一样本图像按照顺时针的方向旋转1度获取一张第二样本图像，若按照顺时针方向每次旋转1度获取一张第二样本图像，旋转359次，共获取到359张第二样本图像，将所述359张第二样本图像标记为验证集。
在本发明另一实施方式中，当所述数据类型为图像时，所述数据扩充方式为：对任一第一样本图像进行至少一次预设比例的缩小，按照所述预设比例每缩小一次，则生成一张第二样本图像。例如对训练集中的第一样本图像中的所有像素的保证长宽比例不变的前提下，对每个像素的长度和宽度各缩小5％，共缩小10次，即，将图像缩小至95％，得到第一张第二样本图像，再缩小至90％，得到第二张第二样本图像，以此类推，得到多张第二样本图像。
在本发明又一实施方式中，当所述数据类型为图像时，所述数据扩充方式还包括：对任一第一样本图像进行至少一次预设比例的放大，按照所述预设比例每放大一次，则生成一张第二样本图像。
在本发明又一实施方式中，当所述数据类型为数字时，所述数据扩充方式可以包括：对第一样本数字按照预设规则进行分组，对于每组数字取平均值，将所述平均值作为第二样本数字。例如，为了研究不同设备之间色域转换，经常需要获取待测图像在不同设备上显示的颜色值，所述颜色值为0到255的数字，在构建色域转换模型时，需要获取大量的颜色值，将所述颜色值输入到所述色域转换模型中，对所述色域转换模型进行训练，使得所述色域转换模型具有识别不同设备间色域的转换关系的功能，对任意输入的任一设备上显示的颜色值，可以预测所述颜色在其他设备上显示的颜色值。为了提高所述色域转换模型的转换精度，需要输入大量的颜色值对所述模型进行训练和验证，可是实际操作过充中无法获取预设数量的颜色值，因此需要对已经获取的颜色值进行分组，相邻的三个颜色值分为一组，对同一组的三个颜色值平均值，将所述平均值作为验证集中的数据对所述色域转换模型进行验证。
在本发明又一实施方式中，当所述数据类型为数字时，所述数据扩充方式还可以包括：对第一样本数字按照预设规则进行分组，对于每组数字取标准方差值，将所述标准方差值作为第二样本数字。
在本发明又一实施方式中，当所述数据类型为文字时，所述数据扩充方式可以包括：根据所述文字的词性取同义词、根据所述文字所属的技术领域查找所述技术领域中与所述文字表达意思相同的文字。例如，在文件归档领域，为了使得文件归档的精度更加精确，需要构建一个文件归档模型，用于识别输入到所述模型中的文件，对所述文件中的文字内容进行识别后，将所述文件归入正确的文档分类中。因此所述文件归档模型的识别精度就成了文件归档的关键因素。为了使得所述文件归档模型的识别精度更加精确需要获取预设数量的文字对所述模型进行训练，但是由于一些技术领域(例如军事、考古)的文件资料不多，无法获得足够多的文字样本对所述文件归档模型进行训练和验证，因此需要对已有文件资料中的关键词取近义词作为验证集，使用已有文件中的文字对所述模型进行训练，用所述验证集中的文字对所述模型进行验证。
步骤S3、根据预设规则将所述第一样本数据和所述第二样本数据划分为训练集和验证集，其中，所述训练集用于训练一数据模型，所述验证集用于验证训练后的所述数据模型。
所述根据预设规则将所述第一样本数据和所述第二样本数据划分为训练集和验证集的方法包括如下任意一种：
将所述第一样本数据作为训练集，将所述第二样本数据作为验证集；
将所述第一样本数据和所述第二样本数据整合成样本数据集，并按照预设比例对样本数据集中的数据进行划分，将第一预设比例的样本数据集中的数据作为训练集，将第二预设比例的样本数据集中数据作为验证集。
在本发明又一实施方式中，所述步骤还包括：
选择所述数据模型，并利用所述训练集对所述数据模型进行训练，其中所述数据模型用于获取所述训练集中的特征信息；
利用所述验证集对训练后的数据模型进行验证，根据验证结果确定所述数据模型获取训练集中的特征信息的准确率。
并判断所述准确率是否大于预设阈值；
若大于，则将所述数据模型进行输出；
若不大于，则对训练集中的数据进行整理后重新对所述数据模型进行训练，其中，所述整理的方法包括如下一种或多种：去除训练集中不具有所述特征信息的数据、重新划分训练集和验证集。
上述图2详细介绍了本发明的数据生成方法，下面结合第3-4图，对实现所述数据生成方法的软件装置的功能模块以及实现所述数据生成方法的硬件装置架构进行介绍。
应所述了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
图3为本发明数据生成装置较佳实施例的结构图。
在一些实施例中，数据生成装置10运行于计算机装置中。所述计算机装置通过网络连接了多个用户终端。所述数据生成装置10可以包括多个由程序代码段所组成的功能模块。所述数据生成装置10中的各个程序段的程序代码可以存储于计算机装置的存储器中，并由所述至少一个处理器所执行，以实现数据生成功能。
本实施例中，所述数据生成装置10根据其所执行的功能，可以被划分为多个功能模块。参阅图3所示，所述功能模块可以包括：获取模块101、扩充模块102、执行模块103。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
所述获取模块101，用于获取第一样本数据。
所述第一样本数据的类型包括：图像、数字、文字中的一种或多种。
在本发明一实时方式中，所述第一样本数据可以是所述获取模块101从所述电子设备2获取的不良样本图像，例如，电子设备2检测到一产品具有表面划伤瑕疵时，获取带有瑕疵表面产品的图像发送给所述获取模块101，所述获取模块101接收所述图像。
在本发明一实施方式中，所述第一样本数据可以是电子设备2在线获取的具有产品外部特征的所有图像，所述电子设备2将所述图像发送给所述获取模块101。所述获取模块101接收到图像后识别所述图像中的特征信息，并将所述特征信息与预设数据库中的特征信息进行比对，判断所述图像中的特征信息是否符合预设条件，若符合所述预设条件，则将具有所述特征信息的图像标记为第一样本数据。其中，所述预设数据库中的特征信息可以是符合样本数据条件的特征信息，也可以是不符合样本数据条件的特征信息。所述预设条件可以是与所述产品外观特征信息有差异的产品图像。所述预设条件还可以是满足外观特征信息要求的产品图像。
所述扩充模块102，用于确定所述第一样本数据的类型及所述类型对应的数据扩充方式，根据确定的所述数据扩充方式对所述第一样本数据进行扩充，以生成第二样本数据。
在本发明一实施方式中，当所述第一样本数据类型为图像时，所述第一样本数据扩充方式包括：对任一第一样本图像进行至少一次预设角度的旋转，按照所述预设角度每旋转一次，则生成一张第二样本图像。例如对所述训练集中的任意一幅第一样本图像按照顺时针的方向旋转1度获取一张第二样本图像，若按照顺时针方向每次旋转1度获取一张第二样本图像，旋转359次，共获取到359张第二样本图像，将所述359张第二样本图像标记为验证集。
在本发明另一实施方式中，当所述数据类型为图像时，所述数据扩充方式为：对任一第一样本图像进行至少一次预设比例的缩小，按照所述预设比例每缩小一次，则生成一张第二样本图像。例如对训练集中的第一样本图像中的所有像素的保证长宽比例不变的前提下，对每个像素的长度和宽度各缩小5％，共缩小10次，即，将图像缩小至95％，得到第一张第二样本图像，再缩小至90％，得到第二张第二样本图像，以此类推，得到多张第二样本图像。
在本发明又一实施方式中，当所述数据类型为图像时，所述数据扩充方式还包括：对任一第一样本图像进行至少一次预设比例的放大，按照所述预设比例每放大一次，则生成一张第二样本图像。
在本发明又一实施方式中，当所述数据类型为数字时，所述数据扩充方式可以包括：对第一样本数字按照预设规则进行分组，对于每组数字取平均值，将所述平均值作为第二样本数字。例如，为了研究不同设备之间色域转换，经常需要获取待测图像在不同设备上显示的颜色值，所述颜色值为0到255的数字，在构建色域转换模型时，需要获取大量的颜色值，将所述颜色值输入到所述色域转换模型中，对所述色域转换模型进行训练，使得所述色域转换模型具有识别不同设备间色域的转换关系的功能，对任意输入的任一设备上显示的颜色值，可以预测所述颜色在其他设备上显示的颜色值。为了提高所述色域转换模型的转换精度，需要输入大量的颜色值对所述模型进行训练和验证，可是实际操作过充中无法获取预设数量的颜色值，因此需要对已经获取的颜色值进行分组，相邻的三个颜色值分为一组，对同一组的三个颜色值平均值，将所述平均值作为验证集中的数据对所述色域转换模型进行验证。
在本发明又一实施方式中，当所述数据类型为数字时，所述数据扩充方式还可以包括：对第一样本数字按照预设规则进行分组，对于每组数字取标准方差值，将所述标准方差值作为第二样本数字。
在本发明又一实施方式中，当所述数据类型为文字时，所述数据扩充方式可以包括：根据所述文字的词性取同义词、根据所述文字所属的技术领域查找所述技术领域中与所述文字表达意思相同的文字。例如，在文件归档领域，为了使得文件归档的精度更加精确，需要构建一个文件归档模型，用于识别输入到所述模型中的文件，对所述文件中的文字内容进行识别后，将所述文件归入正确的文档分类中。因此所述文件归档模型的识别精度就成了文件归档的关键因素。为了使得所述文件归档模型的识别精度更加精确需要获取预设数量的文字对所述模型进行训练，但是由于一些技术领域(例如军事、考古)的文件资料不多，无法获得足够多的文字样本对所述文件归档模型进行训练和验证，因此需要对已有文件资料中的关键词取近义词作为验证集，使用已有文件中的文字对所述模型进行训练，用所述验证集中的文字对所述模型进行验证。
所述执行模块103，用于根据预设规则将所述第一样本数据和所述第二样本数据划分为训练集和验证集，其中，所述训练集用于训练一数据模型，所述验证集用于验证训练后的所述数据模型。
所述根据预设规则将所述第一样本数据和所述第二样本数据划分为训练集和验证集的方法包括如下任意一种：
将所述第一样本数据作为训练集，将所述第二样本数据作为验证集；
将所述第一样本数据和所述第二样本数据整合成样本数据集，并按照预设比例对样本数据集中的数据进行划分，将第一预设比例的样本数据集中的数据作为训练集，将第二预设比例的样本数据集中数据作为验证集。
在本发明又一实施方式中，所述步骤还包括：
选择所述数据模型，并利用所述训练集对所述数据模型进行训练，其中所述数据模型用于获取所述训练集中的特征信息；
利用所述验证集对训练后的数据模型进行验证，根据验证结果确定所述数据模型获取训练集中的特征信息的准确率。
并判断所述准确率是否大于预设阈值；
若大于，则将所述数据模型进行输出；
若不大于，则对训练集中的数据进行整理后重新对所述数据模型进行训练，其中，所述整理的方法包括如下一种或多种：去除训练集中不具有所述特征信息的数据、重新划分训练集和验证集。
图4为本发明计算机装置较佳实施例的示意图。
所述计算机装置1包括存储器20、处理器30以及存储在所述存储器20中并可在所述处理器30上运行的计算机程序40，例如数据生成程序。所述处理器30执行所述计算机程序40时实现上述数据生成方法实施例中的步骤，例如图2所示的步骤S1～S3。或者，所述处理器30执行所述计算机程序40时实现上述数据生成装置实施例中各模块/单元的功能，例如图3中的单元101-103。
示例性的，所述计算机程序40可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器20中，并由所述处理器30执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，所述指令段用于描述所述计算机程序40在所述计算机装置1中的执行过程。例如，所述计算机程序40可以被分割成图3中的获取模块101、扩充模块102、执行模块103。
所述计算机装置1可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解，所述示意图仅仅是计算机装置1的示例，并不构成对计算机装置1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机装置1还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器30也可以是任何常规的处理器等，所述处理器30是所述计算机装置1的控制中心，利用各种接口和线路连接整个计算机装置1的各个部分。
所述存储器20可用于存储所述计算机程序40和/或模块/单元，所述处理器30通过运行或执行存储在所述存储器20内的计算机程序和/或模块/单元，以及调用存储在存储器20内的数据，实现所述计算机装置1的各种功能。所述存储器20可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机装置1的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器20可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述计算机装置1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个实施例中，应所述理解到，所揭露的计算机装置和方法，可以通过其它的方式实现。例如，以上所描述的计算机装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
另外，在本发明各个实施例中的各功能单元可以集成在相同处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在相同单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。计算机装置权利要求中陈述的多个单元或计算机装置也可以由同一个单元或计算机装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种数据生成方法，其特征在于，所述方法包括：
获取第一样本数据；
确定所述第一样本数据的类型及所述类型对应的数据扩充方式，根据确定的所述数据扩充方式对所述第一样本数据进行扩充，以生成第二样本数据；
根据预设规则将所述第一样本数据和所述第二样本数据划分为训练集和验证集，其中，所述训练集用于训练一数据模型，所述验证集用于验证训练后的所述数据模型。
2.如权利要求1所述的数据生成方法，其特征在于，所述根据预设规则将所述第一样本数据和所述第二样本数据划分为训练集和验证集的方法包括如下任意一种：
将所述第一样本数据作为训练集，将所述第二样本数据作为验证集；
将所述第一样本数据和所述第二样本数据整合成样本数据集，并按照预设比例对样本数据集中的数据进行划分，将第一预设比例的样本数据集中的数据作为训练集，将第二预设比例的样本数据集中数据作为验证集。
3.如权利要求1所述的数据生成方法，其特征在于，所述方法还包括：
选择所述数据模型，并利用所述训练集对所述数据模型进行训练，其中所述数据模型用于获取所述训练集中的特征信息；
利用所述验证集对训练后的数据模型进行验证，根据验证结果确定所述数据模型获取训练集中的特征信息的准确率。
4.如权利要求3所述的数据生成方法，其特征在于，所述方法还包括：
判断所述准确率是否大于预设阈值；
若大于，则将所述数据模型进行输出；
若不大于，则对训练集中的数据进行整理后重新对所述数据模型进行训练，其中，所述整理的方法包括如下一种或多种：去除训练集中不具有所述特征信息的数据、重新划分训练集和验证集。
5.如权利要求1所述的数据生成方法，其特征在于，所述第一样本数据的类型包括：图像、数字、文字中的一种或多种。
6.如权利要求5所述的数据生成方法，其特征在于，所述第一样本数据为图像，所述根据确定的所述数据扩充方式对所述第一样本数据进行扩充，以生成第二样本数据的方法包括如下一种或多种：
对任一第一样本图像进行至少一次预设角度的旋转，按照所述预设角度每旋转一次，则生成一张第二样本图像；
对任一第一样本图像进行至少一次预设比例的缩小，按照所述预设比例每缩小一次，则生成一张第二样本图像；
对任一第一样本图像进行至少一次预设比例的放大，按照所述预设比例每放大一次，则生成一张第二样本图像。
7.如权利要求5所述的数据生成方法，其特征在于，所述待处理数据为数字，所述根据确定的所述数据扩充方式对所述第一样本数据进行扩充，以生成第二样本数据的方法包括如下一种或多种：
对第一样本数字按照预设规则进行分组，对于每组数字取平均值，将所述平均值作为第二样本数字；
对第一样本数字按照预设规则进行分组，对于每组数字取标准方差值，将所述标准方差值作为第二样本数字。
8.一种数据生成装置，其特征在于，所述装置包括：
获取模块，用于获取第一样本数据；
扩充模块，用于确定所述第一样本数据的类型及所述类型对应的数据扩充方式，根据确定的所述数据扩充方式对所述第一样本数据进行扩充，以生成第二样本数据；
执行模块，用于根据预设规则将所述第一样本数据和所述第二样本数据划分为训练集和验证集，其中，所述训练集用于训练一数据模型，所述验证集用于验证训练后的所述数据模型。
9.一种计算机装置，其特征在于：所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任一项所述的数据生成方法。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的数据生成方法。
CN202010017967.6A 2020-01-08 2020-01-08 数据生成方法、装置、计算机装置及存储介质 Pending CN113093967A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010017967.6A CN113093967A (zh) 2020-01-08 2020-01-08 数据生成方法、装置、计算机装置及存储介质
US16/883,886 US11527058B2 (en) 2020-01-08 2020-05-26 Data generating method, and computing device and non-transitory medium implementing same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010017967.6A CN113093967A (zh) 2020-01-08 2020-01-08 数据生成方法、装置、计算机装置及存储介质

Publications (1)

Publication Number Publication Date
CN113093967A true CN113093967A (zh) 2021-07-09

Family

ID=76654367

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010017967.6A Pending CN113093967A (zh) 2020-01-08 2020-01-08 数据生成方法、装置、计算机装置及存储介质

Country Status (2)

Country Link
US (1) US11527058B2 (zh)
CN (1) CN113093967A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11922140B2 (en) * 2019-04-05 2024-03-05 Oracle International Corporation Platform for integrating back-end data analysis tools using schema

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106951848A (zh) * 2017-03-13 2017-07-14 平安科技（深圳）有限公司 图片识别的方法及系统
CN109214501A (zh) * 2017-06-29 2019-01-15 北京京东尚科信息技术有限公司 用于识别信息的方法和装置
CN109460753A (zh) * 2018-05-25 2019-03-12 江南大学 一种检测水上漂浮物的方法
CN109840588A (zh) * 2019-01-04 2019-06-04 平安科技（深圳）有限公司 神经网络模型训练方法、装置、计算机设备及存储介质
US20190228117A1 (en) * 2017-06-26 2019-07-25 Dalian University Of Technology A performance alarming method for bridge expansion joints based on temperature displacement relationship model
CN110189288A (zh) * 2018-02-21 2019-08-30 应用材料以色列公司 生成可用于半导体样本的检查的训练集的方法和其系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180307741A1 (en) * 2017-04-25 2018-10-25 Intel Corporation Filtering training data for simpler rbf models
US11023824B2 (en) * 2017-08-30 2021-06-01 Intel Corporation Constrained sample selection for training models
US10679129B2 (en) 2017-09-28 2020-06-09 D5Ai Llc Stochastic categorical autoencoder network
US10810408B2 (en) * 2018-01-26 2020-10-20 Viavi Solutions Inc. Reduced false positive identification for spectroscopic classification
FR3082963A1 (fr) * 2018-06-22 2019-12-27 Amadeus S.A.S. Systeme et procede d'evaluation et de deploiement de modeles d'apprentissage automatique non supervises ou semi-supervises
US10380997B1 (en) 2018-07-27 2019-08-13 Deepgram, Inc. Deep learning internal state index-based search and classification
TWI709917B (zh) 2019-04-04 2020-11-11 鴻海精密工業股份有限公司 輔助駕駛裝置、方法及電腦可讀取存儲介質

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106951848A (zh) * 2017-03-13 2017-07-14 平安科技（深圳）有限公司 图片识别的方法及系统
US20190228117A1 (en) * 2017-06-26 2019-07-25 Dalian University Of Technology A performance alarming method for bridge expansion joints based on temperature displacement relationship model
CN109214501A (zh) * 2017-06-29 2019-01-15 北京京东尚科信息技术有限公司 用于识别信息的方法和装置
CN110189288A (zh) * 2018-02-21 2019-08-30 应用材料以色列公司 生成可用于半导体样本的检查的训练集的方法和其系统
CN109460753A (zh) * 2018-05-25 2019-03-12 江南大学 一种检测水上漂浮物的方法
CN109840588A (zh) * 2019-01-04 2019-06-04 平安科技（深圳）有限公司 神经网络模型训练方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
US11527058B2 (en) 2022-12-13
US20210209420A1 (en) 2021-07-08

Similar Documents

Publication Publication Date Title
CN112015603A (zh) 用户终端硬件检测方法、装置、计算机装置及存储介质
CN110399487B (zh) 一种文本分类方法、装置、电子设备及存储介质
CN111046879B (zh) 证件图像分类方法、装置、计算机设备及可读存储介质
CN110503682B (zh) 矩形控件识别方法、装置、终端及存储介质
CN114764768A (zh) 缺陷检测分类方法、装置、电子设备及存储介质
CN114627146A (zh) 图像处理方法、装置、电子设备及存储介质
CN112783825B (zh) 数据归档方法、装置、计算机装置及存储介质
TWI830815B (zh) 使用者終端故障檢測方法、裝置、電腦裝置及存儲介質
US20220215679A1 (en) Method of determining a density of cells in a cell image, electronic device, and storage medium
CN113093967A (zh) 数据生成方法、装置、计算机装置及存储介质
CN111027533B (zh) 一种点读坐标的变换方法、系统、终端设备及存储介质
CN112860845A (zh) 一种试题检索方法、装置、电子设备及存储介质
CN111949793A (zh) 用户意图识别方法、装置及终端设备
CN107071553B (zh) 一种修改视频语音的方法、装置和计算机可读存储介质
CN111767710B (zh) 印尼语的情感分类方法、装置、设备及介质
CN114490929A (zh) 一种招投标信息采集方法、装置、存储介质及终端设备
CN113704623A (zh) 一种数据推荐方法、装置、设备及存储介质
CN114913513A (zh) 一种公章图像的相似度计算方法、装置、电子设备和介质
TW202127327A (zh) 資料生成方法、裝置、電腦裝置及存儲介質
CN113673706A (zh) 机器学习模型训练方法、装置及电子设备
CN111930935A (zh) 图像分类方法、装置、设备和存储介质
CN113743427B (zh) 图像识别方法、装置、计算机装置及存储介质
CN110941728A (zh) 一种电子文件的处理方法及装置
US20220178814A1 (en) Method for calculating a density of stem cells in a cell image, electronic device, and storage medium
CN110956190A (zh) 图像识别方法及装置、计算机装置和计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210709