技术摘要：
本申请实施例公开了数据增强策略搜索方法、装置、设备以及存储介质，涉及人工智能技术领域。该方法的一具体实施方式包括：获取模型的训练脚本、训练数据集和数据增强策略配置信息；基于数据增强策略配置信息，生成数据增强策略搜索空间；在数据增强策略搜索空间中对训  全部
背景技术：
包括：获取模型 的训练脚本、训练数据集和数据增强策略配置信 息；基于数据增强策略配置信息，生成数据增强 策略搜索空间；在数据增强策略搜索空间中对训 练数据集进行数据增强，以及利用数据增强的训 练数据集对训练脚本进行模型训练，自动搜索数 据增强策略搜索空间中的数据增强策略的目标 增强值。该实施方式通过自动搜索的方式进行数 据增强策略的搜索，大大缩短了为训练数据集选 择较优的数据增强策略所花费的时间。 CN 111582375 A CN 111582375 A 权　利　要　求　书 1/2 页 1.一种数据增强策略搜索方法，包括： 获取模型的训练脚本、训练数据集和数据增强策略配置信息； 基于所述数据增强策略配置信息，生成数据增强策略搜索空间； 在所述数据增强策略搜索空间中对所述训练数据集进行数据增强，以及利用数据增强 的训练数据集对所述训练脚本进行模型训练，自动搜索所述数据增强策略搜索空间中的数 据增强策略的目标增强值。 2.根据权利要求1所述的方法，其中，所述在所述数据增强策略搜索空间中对所述训练 数据集进行数据增强，以及利用数据增强的训练数据集对所述训练脚本进行模型训练，自 动搜索所述数据增强策略搜索空间中的数据增强策略的目标增强值，包括： 对于所述数据增强策略搜索空间中的数据增强策略的候选增强值，将所述训练数据集 作为第一组件，调用该候选增强值进行数据增强，得到该候选增强值对应的训练数据集，以 及将所述训练脚本作为第二组件，调用该的候选增强值对应的训练数据集进行模型训练， 得到该候选增强值对应的模型； 将满足预设效果的模型对应的候选增强值确定为所述目标增强值。 3.根据权利要求1所述的方法，其中，所述获取数据增强策略配置信息，包括： 将所述数据增强策略配置信息作为第三组件，以及从组件化配置信息提交接口获取所 述数据增强策略配置信息，其中，所述数据增强策略配置信息的提交方式包括在线提交或 命令行提交。 4.根据权利要求1所述的方法，其中，所述方法还包括： 利用所述目标增强值对所述训练数据集进行数据增强，得到目标训练数据集； 利用所述目标训练数据集进行训练，得到目标模型。 5.根据权利要求1-4之一所述的方法，其中，数据增强策略包括以下至少一种：水平翻 转、垂直翻转、随机剪裁、高斯模糊、图像锐度和图像旋转。 6.一种数据增强策略搜索装置，包括： 模型信息获取模块，被配置成获取模型的训练脚本、训练数据集和数据增强策略配置 信息； 搜索空间生成模块，被配置成基于所述数据增强策略配置信息，生成数据增强策略搜 索空间； 增强策略搜索模块，被配置成在所述数据增强策略搜索空间中对所述训练数据集进行 数据增强，以及利用数据增强的训练数据集对所述训练脚本进行模型训练，自动搜索所述 数据增强策略搜索空间中的数据增强策略的目标增强值。 7.根据权利要求6所述的装置，其中，所述增强策略搜索模块进一步被配置成： 对于所述数据增强策略搜索空间中的数据增强策略的候选增强值，将所述训练数据集 作为第一组件，调用该候选增强值进行数据增强，得到该候选增强值对应的训练数据集，以 及将所述训练脚本作为第二组件，调用该候选增强值对应的训练数据集进行模型训练，得 到该候选增强值对应的模型； 将满足预设效果的模型对应的候选增强值确定为所述目标增强值。 8.根据权利要求6所述的装置，其中，所述模型信息获取模块进一步被配置成： 将所述数据增强策略配置信息作为第三组件，以及从组件化配置信息提交接口获取所 2 CN 111582375 A 权　利　要　求　书 2/2 页 述数据增强策略配置信息，其中，所述数据增强策略配置信息的提交方式包括在线提交或 命令行提交。 9.根据权利要求6所述的装置，其中，所述装置还包括： 数据增强模块，被配置成利用所述目标增强值对所述训练数据集进行数据增强，得到 目标训练数据集； 模型训练模块，被配置成利用所述目标训练数据集进行训练，得到目标模型。 10.根据权利要求6-9之一所述的装置，其中，数据增强策略包括以下至少一种：水平翻 转、垂直翻转、随机剪裁、高斯模糊、图像锐度和图像旋转。 11.一种电子设备，包括： 一个或多个处理器； 存储装置，其上存储有一个或多个程序， 当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实 现如权利要求1-5中任一所述的方法。 12.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执 行时实现如权利要求1-5中任一所述的方法。 3 CN 111582375 A 说　明　书 1/9 页 数据增强策略搜索方法、装置、设备以及存储介质 技术领域 本申请实施例涉及计算机技术领域，具体涉及人工智能技术领域。
技术实现要素：
深度学习技术在很多方向上都取得了巨大的成功。在深度学习技术中，模型的训 练数据集的数据增强策略对模型的性能和效果有着非常重要的影响。 目前，几乎所有的模型在训练过程中都需要加入数据增强策略，以提升模型的精 度和鲁棒性。而传统的数据增强策略设定严重依赖人工的干预，例如人工设定数据增强策 略，并花费大量的时间进行多次调节，以得到较优的数据增强策略。