获得训练数据的方法、相关设备、系统及存储介质技术方案

本申请实施例公开了获得训练数据的方法、相关设备及存储介质，其中应用于终端设备的获得训练数据的方法包括：获得目标训练数据，所述目标训练数据包括第一信息和第二信息，其中第一信息表征私密信息，第二信息表征为目标训练数据中除私密信息之外的其它信息；提取第一信息的特征以及第二信息的特征并发送。信息的特征以及第二信息的特征并发送。信息的特征以及第二信息的特征并发送。

【技术实现步骤摘要】
获得训练数据的方法、相关设备、系统及存储介质


[0001]本申请涉及训练数据
，具体涉及一种获得训练数据的方法、相关设备、数据处理系统及存储介质。

技术介绍

[0002]在神经网络模型中，利用训练数据对神经网络模型进行训练，在应用时将采集到的图像、音频等数据直接输入至训练完成的神经网络模型以实现对神经网络模型的应用。可以理解，要想神经网络模型的应用准确，需要大量的训练数据，通常数量级为万级以上。以训练数据为图像为例，图像通常为对现场场景进行拍摄而得到，如以对院子场景进行拍摄为例，拍摄到的图像中可能会出现有对象私密信息，如某个人的人脸、院落中的标志性建筑(利用该标志性建筑可定位出该院落是谁家的院落)等。在用于使用训练数据进行神经网络模型训练的设备和采集训练数据的设备不是同一设备的情况下，采集设备会将自身采集的训练数据如图像发送至训练设备，训练设备使用训练数据对神经网络模型进行训练。这种直接传输包括有对象私密信息的训练数据到训练设备的方案，可能会导致私密信息的泄露，不利于对私密信息的保护。

技术实现思路

[0003]为解决现有存在的技术问题，本申请实施例提供一种获得训练数据的方法、相关设备、数据处理系统及存储介质。
[0004]本申请实施例的技术方案是这样实现的：
[0005]本申请实施例提供一种获得训练数据的方法，应用于服务器中，包括：
[0006]获得第一信息的特征以及第二信息的特征，其中第一信息表征目标训练数据中的私密信息，第二信息表征为目标训练数据中除所述私密信息之外的其它信息；
[0007]依据第一信息的特征以及第二信息的特征，对目标训练数据进行构建；
[0008]将构建出的数据确定为期望训练数据。
[0009]上述方案中，所述目标训练数据为图像，所述图像包括第一子图像和第二子图像，其中所述第一子图像表征为私密信息，所述第二子图像为所述目标训练数据中除表征为私密信息之外的其它信息；
[0010]相应的，所述获得目标训练数据中第一信息的特征以及第二信息的特征，其中第一信息表征私密信息，第二信息表征为目标训练数据中除所述私密信息之外的其它信息；依据第一信息的特征以及第二信息的特征，对目标训练数据进行构建；将构建出的数据确定为期望训练数据，包括：
[0011]接收第一子图像的特征以及第二子图像的特征；或者，提取第一子图像的特征以及第二子图像的特征；
[0012]依据第一子图像的特征以及第二子图像的特征，对图像进行构建；
[0013]将构建出的图像确定为期望图像。
[0014]上述方案中，所述依据第一子图像的特征以及第二子图像的特征，对图像进行构建，包括：
[0015]将第一子图像的特征和第二子图像的特征输入至训练好的生成模型，由所述生成模型进行图像的构建；
[0016]其中，所述生成模型在损失函数低于阈值的情况下被训练好，所述生成模型包括至少两个反卷积层，将第一子图像的特征和第二子图像的特征经由所述至少两个反卷积层进行反卷积操作而得到构建出的图像。
[0017]上述方案中，所述第一子图像和第二子图像的特征均为图像的浅层特征。
[0018]本申请实施例提供一种获得训练数据的方法，应用于终端设备中，包括：
[0019]获得目标训练数据，所述目标训练数据包括第一信息和第二信息，其中第一信息表征私密信息，第二信息表征为目标训练数据中除私密信息之外的其它信息；
[0020]提取第一信息的特征以及第二信息的特征并发送。
[0021]上述方案中，所述目标训练数据为图像；相应的，所述提取第一信息的特征以及第二信息的特征，包括：
[0022]将所述图像输入至特征提取模型；或者将所述图像中的第一子图像以及第二子图像输入至特征提取模型；所述第一子图像表征为私密信息，所述第二子图像为所述目标训练数据中除表征为私密信息之外的其它信息；所述特征提取模型包括至少两个卷积层；利用所述至少两个卷积层中位置靠前的至少一个卷积层进行图像浅层特征的提取，得到第一子图像的特征以及第二子图像的特征。
[0023]本申请实施例提供一种服务器，包括：获得单元、构建单元及确定单元；其中，
[0024]获得单元，用于获得第一信息的特征以及第二信息的特征，其中第一信息表征目标训练数据中的私密信息，第二信息表征为目标训练数据中除所述私密信息之外的其它信息；
[0025]构建单元，用于依据第一信息的特征以及第二信息的特征，对目标训练数据进行构建；
[0026]确定单元，用于将构建出的数据确定为期望训练数据。
[0027]本申请实施例提供一种终端设备，包括：获得单元、提取单元及发送单元；其中，
[0028]获得单元，用于获得目标训练数据，所述目标训练数据包括第一信息和第二信息，其中第一信息表征私密信息，第二信息表征为目标训练数据中除私密信息之外的其它信息；
[0029]提取单元，用于提取第一信息的特征以及第二信息的特征；
[0030]发送单元，用于发送第一信息的特征和第二信息的特征。
[0031]本申请实施例提供一种数据处理系统，包括终端设备和服务器，其中，
[0032]所述终端设备，用于获取目标训练数据，并对目标训练数据进行预处理：其中所述预处理至少包括：确定目标训练数据中的第一信息和第二信息；提取第一信息的特征以及第二信息的特征，将第一信息的特征和第二信息的特征发送所述服务器；其中第一信息表征目标训练数据中的私密信息，第二信息表征为目标训练数据中除所述私密信息之外的其它信息；
[0033]所述服务器，用于依据获取的第一信息的特征以及第二信息的特征，进行目标训
练数据的构建。
[0034]本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述方法的步骤。
[0035]本申请实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现前述方法的步骤。
[0036]本申请实施例提供一种获得训练数据的方法、相关设备、数据处理系统及存储介质，其中应用于终端设备的方法，包括：获得目标训练数据，所述目标训练数据包括第一信息和第二信息，其中第一信息表征私密信息，第二信息表征为目标训练数据中除私密信息之外的其它信息；提取第一信息的特征以及第二信息的特征并发送。本申请实施例中，由于终端设备向服务器发送的是目标训练数据中私密信息的特征，并非是私密信息本身，可有效避免目标训练数据中表征为私密信息的部分被直接传输而导致的私密信息被泄露的问题。
附图说明
[0037]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种获得训练数据的方法，应用于服务器中，其特征在于，包括：获得第一信息的特征以及第二信息的特征，其中第一信息表征目标训练数据中的私密信息，第二信息表征为目标训练数据中除所述私密信息之外的其它信息；依据第一信息的特征以及第二信息的特征，对目标训练数据进行构建；将构建出的数据确定为期望训练数据。2.根据权利要求1所述的方法，其特征在于，所述目标训练数据为图像，所述图像包括第一子图像和第二子图像，其中所述第一子图像表征为私密信息，所述第二子图像为所述目标训练数据中除表征为私密信息之外的其它信息；相应的，所述获得目标训练数据中第一信息的特征以及第二信息的特征，其中第一信息表征私密信息，第二信息表征为目标训练数据中除所述私密信息之外的其它信息；依据第一信息的特征以及第二信息的特征，对目标训练数据进行构建；将构建出的数据确定为期望训练数据，包括：接收第一子图像的特征以及第二子图像的特征；或者，提取第一子图像的特征以及第二子图像的特征；依据第一子图像的特征以及第二子图像的特征，对图像进行构建；将构建出的图像确定为期望图像。3.根据权利要求2所述的方法，其特征在于，所述依据第一子图像的特征以及第二子图像的特征，对图像进行构建，包括：将第一子图像的特征和第二子图像的特征输入至训练好的生成模型，由所述生成模型进行图像的构建；其中，所述生成模型在损失函数低于阈值的情况下被训练好，所述生成模型包括至少两个反卷积层，将第一子图像的特征和第二子图像的特征经由所述至少两个反卷积层进行反卷积操作而得到构建出的图像。4.根据权利要求2或3所述的方法，其特征在于，所述第一子图像和第二子图像的特征均为图像的浅层特征。5.一种获得训练数据的方法，应用于终端设备中，其特征在于，包括：获得目标训练数据，所述目标训练数据包括第一信息和第二信息，其中第一信息表征私密信息，第二信息表征为目标训练数据中除私密信息之外的其它信息；提取第一信息的特征以及第二信息的特征并发送。6.根据权利要求5所述的方法，其特征在于，所述目标训练数据为图像；相应的，所述提取第一信息的特征以及第二信息的特征，包括：将所述图像输入至特征提取模型；或者将所述...

【专利技术属性】
技术研发人员：陈鹏，
申请(专利权)人：未岚大陆北京科技有限公司，
类型：发明
国别省市：