【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种数据处理方法、装置、电子设备、车辆及存储介质。
技术介绍
1、语义分割是计算机视觉中的一个重要任务，它的目标是将图像中的每个像素标记为属于哪个物体或者背景，既将图像数据作为输入，转换为具有突出显示的感兴趣区域的掩码。随着深度学习的快速发展，语义分割模型可以高精度的识别出图像中物体的种类，从而越来越广泛的应用在自动驾驶、智慧工厂等工业场景。在实际应用中，需要大量带标注的图像等训练样本才可以训练出较好的语义分割模型，然而，语义分割数据集中训练样本的标注需要大量的人力与时间成本，使得语义分割模型的训练样本的生成效率较低。
技术实现思路
1、本申请实施例提供一种数据处理方法、装置、电子设备、车辆及存储介质，可以提升训练样本的标注效率，实现对训练数据集中的图像和标注同时进行数据增广，可以有效提升对训练数据集的数据增广效率，进而提升训练样本的生成效率。
2、为了实现上述目的，根据本申请的第一方面，提供一种数据处理方法，所述方法包括：
3、获取第一数据；
4、基于所述第一数据，生成分割掩码图像，所述分割掩码图像用于指示待生成的目标图像的语义分割结果；
5、基于预设的第二数据以及所述分割掩码图像，生成所述分割掩码图像对应的目标图像，以所述分割掩码图像作为所述目标图像的标注。
6、在一些实施例中，所述第一数据为噪声数据，和/或所述第二数据为噪声数据。
7、在一些实施例中，所述基于所述第一数据，生成分
8、在一些实施例中，所述基于预设的第二数据以及所述分割掩码图像，生成所述分割掩码图像对应的目标图像，包括：获取第二数据；将所述第二数据和所述分割掩码图像输入至训练后的图像生成模型；基于所述图像生成模型生成所述分割掩码图像对应的目标图像。
9、在一些实施例中，所述基于预设的第二数据以及所述分割掩码图像，生成所述分割掩码图像对应的目标图像，以所述分割掩码图像作为所述目标图像的标注之后，还包括：将标注有所述分割掩码图像的所述目标图像添加到语义分割模型对应的训练数据集中。
10、根据本申请的第二方面，提供一种数据处理方法，所述方法包括：
11、获取第一数据样本，以及第一分割掩码图像；
12、通过待训练的掩码生成模型，基于所述第一数据样本生成预测分割掩码图像；
13、基于所述预测分割掩码图像和所述第一分割掩码图像，调整所述掩码生成模型的模型参数，得到训练后的掩码生成模型。
14、在一些实施例中，所述基于所述预测分割掩码图像和所述第一分割掩码图像，调整所述掩码生成模型的模型参数，得到训练后的掩码生成模型，包括：通过掩码判别模型，预测所述预测分割掩码图像属于真实分割掩码图像的第一概率，以及所述第一分割掩码图像属于真实分割掩码图像的第二概率；基于所述第一概率和所述第二概率计算第一损失信息；基于所述第一损失信息调整所述掩码生成模型的模型参数，得到训练后的掩码生成模型。
15、根据本申请的第三方面，提供一种数据处理方法，所述方法包括：
16、基于图像样本生成第二数据样本；
17、通过待训练的图像生成模型，基于所述第二数据样本以及所述图像样本对应的第二分割掩码图像，生成预测图像；
18、基于所述图像样本以及所述预测图像，调整所述图像生成模型的模型参数得到训练后的图像生成模型。
19、在一些实施例中，所述基于所述图像样本以及所述预测图像，调整所述图像生成模型的模型参数得到训练后的图像生成模型，包括：基于所述预测图像和所述图像样本，计算图像损失信息；根据所述第二数据样本和标准正态分布，计算噪声损失信息；基于所述噪声损失信息和所述图像损失信息，调整所述图像生成模型的模型参数，得到训练后的图像生成模型。
20、在一些实施例中，所述基于所述预测图像和所述图像样本，计算图像损失信息，包括：通过所述图像生成模型对应的图像判别模型，预测所述预测图像属于真实图像的第三概率，以及所述图像样本属于真实图像的第四概率；基于所述第三概率和所述第四概率，计算图像损失信息。
21、在一些实施例中，所述基于所述预测图像和所述图像样本，计算图像损失信息，包括：获取所述预测图像的第一像素信息，以及所述图像样本的第二像素信息；基于所述第一像素信息和所述第二像素信息，计算图像损失信息。
22、在一些实施例中，所述基于图像样本生成第二数据样本，包括：通过所述图像生成模型对应的图像编码器，基于输入的图像样本，计算所述图像样本对应的均值向量以及标准差向量；获取随机向量；基于所随机向量、所述均值向量以及所述标准差向量，生成第二数据样本。
23、根据本申请的第四方面，提供一种数据处理装置，所述装置包括：
24、数据获取模块，用于获取第一数据；
25、掩码生成模块，用于基于所述第一数据，生成分割掩码图像，所述分割掩码图像用于指示待生成的目标图像的语义分割结果；
26、图像生成模块，用于基于预设的第二数据以及所述分割掩码图像，生成所述分割掩码图像对应的目标图像，以所述分割掩码图像作为所述目标图像的标注。
27、根据本申请的第五方面，提供一种电子设备，包括处理器和存储器，所述存储器存储有应用程序，所述处理器用于运行所述存储器内的应用程序实现本申请实施例提供的数据处理方法。
28、根据本申请的第六方面，提供一种车辆，所述车辆包括本申请的第五方面提供的电子设备。
29、根据本申请的第七方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行本申请实施例所提供的任一种数据处理方法中的步骤。
30、根据本申请的第八方面，提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序存储在计算机可读存储介质中；当电子设备的处理器从所述计算机可读存储介质读取所述计算机程序时，所述处理器执行所述计算机程序，使得所述电子设备执行本申请实施例提供的数据处理方法中的步骤。
31、本申请实施例的数据处理方法、装置、电子设备、车辆及存储介质中，通过获取第一数据；基于第一数据，生成分割掩码图像，分割掩码图像用于指示待生成的目标图像的语义分割结果；基于预设的第二数据以及分割掩码图像，生成分割掩码图像对应的目标图像，以分割掩码图像作为目标图像的标注。以此，通过根据第一数据生成分割掩码图像，然后，基于第二数据以及分割掩码图像，生成分割掩码图像对应的目标图像，从而可以将分割掩码图像作为目标图像的标注，提升训练样本的标注效率，实现对训练数据集中的图像和标注同时进行数据增广，有效提升对训练数据集的数据增广效率，进而提升训练样本的生成效率。
本文档来自技高网...【技术保护点】
1.一种数据处理方法，其特征在于，包括：
2.根据权利要求1所述的数据处理方法，其特征在于，所述第一数据为噪声数据，和/或所述第二数据为噪声数据。
3.根据权利要求1所述的数据处理方法，其特征在于，所述基于所述第一数据，生成分割掩码图像，包括：
4.根据权利要求1所述的数据处理方法，其特征在于，所述基于预设的第二数据以及所述分割掩码图像，生成所述分割掩码图像对应的目标图像，包括：
5.根据权利要求1所述的数据处理方法，其特征在于，所述基于预设的第二数据以及所述分割掩码图像，生成所述分割掩码图像对应的目标图像，以所述分割掩码图像作为所述目标图像的标注之后，还包括：
6.一种数据处理方法，其特征在于，包括：
7.根据权利要求6所述的数据处理方法，其特征在于，所述基于所述预测分割掩码图像和所述第一分割掩码图像，调整所述掩码生成模型的模型参数，得到训练后的掩码生成模型，包括：
8.一种数据处理方法，其特征在于，包括：
9.根据权利要求8所述的数据处理方法，其特征在于，所述基于所述图像样本以及所
10.根据权利要求9所述的数据处理方法，其特征在于，所述基于所述预测图像和所述图像样本，计算图像损失信息，包括：
11.根据权利要求9所述的数据处理方法，其特征在于，所述基于所述预测图像和所述图像样本，计算图像损失信息，包括：
12.根据权利要求8所述的数据处理方法，其特征在于，所述基于图像样本生成第二数据样本，包括：
13.一种数据处理装置，其特征在于，包括：
14.一种电子设备，其特征在于，其包括处理器和存储器，其中，所述存储器存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1～12中任一所述方法的步骤。
15.一种车辆，其特征在于，所述车辆包括如权利要求14所述的电子设备。
16.一种计算机可读存储介质，其特征在于，其包括计算机程序，当所述计算机程序在电子设备上运行时，所述计算机程序用于使所述电子设备执行权利要求1～12中任一所述方法的步骤。
...【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：
2.根据权利要求1所述的数据处理方法，其特征在于，所述第一数据为噪声数据，和/或所述第二数据为噪声数据。
3.根据权利要求1所述的数据处理方法，其特征在于，所述基于所述第一数据，生成分割掩码图像，包括：
4.根据权利要求1所述的数据处理方法，其特征在于，所述基于预设的第二数据以及所述分割掩码图像，生成所述分割掩码图像对应的目标图像，包括：
5.根据权利要求1所述的数据处理方法，其特征在于，所述基于预设的第二数据以及所述分割掩码图像，生成所述分割掩码图像对应的目标图像，以所述分割掩码图像作为所述目标图像的标注之后，还包括：
6.一种数据处理方法，其特征在于，包括：
7.根据权利要求6所述的数据处理方法，其特征在于，所述基于所述预测分割掩码图像和所述第一分割掩码图像，调整所述掩码生成模型的模型参数，得到训练后的掩码生成模型，包括：
8.一种数据处理方法，其特征在于，包括：
9.根据权利要求8所述的数据处理方法，其特征在于，所述...
【专利技术属性】
技术研发人员：李福栋，钟晓云，赵伟冰，黄开屏，刘慧婷，
申请(专利权)人：比亚迪股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。