(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211296580.4 (22)申请日 2022.10.21 (71)申请人 三星 （中国） 半导体有限公司 地址 710000 陕西省西安市高新区洨河北 路1999号 申请人 三星电子 株式会社 (72)发明人 刘芳　解锋涛　赵鹏飞　卢柯　 杜芳芳　 (74)专利代理 机构 北京铭硕知识产权代理有限 公司 11286 专利代理师 苏银虹　薛义丹 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/764(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 数据生成方法、 装置、 电子设备和存 储介质 (57)摘要 本公开关于数据生成方法、 装置、 电子设备 和存储介质， 包括： 将输入图像输入目标模型， 获 得输入图像的分割结果； 基于分割结果、 预设指 导图像所包含的N个第一网格区域中的M个第一 网格区域中每个像素点的预设类别标签值， 获取 输入图像的优化值； 在优化值不满足预设条件 时， 基于优化值对输入图像进行优化， 获得优化 图像； 将优化图像作为输入图像进行下一次优 化， 直至获得优化值满足预设条件的最终优化图 像。 本公开提出的数据生成方法， 无需依赖BN层 的先验信息， 可以通过迭代更新的方式， 对输入 图像进行更新， 即可以获得用于对目标模型进行 压缩的、 且接近原始训练数据分布的图像数据， 进而可以实现对目标模型进行压缩。 权利要求书2页 说明书17页 附图5页 CN 115512113 A 2022.12.23 CN 115512113 A 1.一种数据生成方法， 所述数据基于目标模型生成， 所述目标模型包括多目标分类模 型， 其特征在于， 包括： 将输入图像输入所述目标模型， 获得所述输入图像的分割结果， 其中， 所述分割结果包 括所述输入图像的每 个像素点的预测类别标签值； 基于所述分割结果、 预设指导图像所包含的N个第 一网格区域中的M个第 一网格区域中 每个像素点的预设类别标签值， 获取所述输入图像的优化值， 其中， 所述M个第一网格区域 中每个第一网格区域被预先赋予有随机的一种预设类别标签值， N>1， 且N为整数， 1≤M≤N， 且M为整数； 在所述优化值不满足预设条件时， 基于所述优化值对所述输入图像进行优化， 获得优 化图像； 将所述优化图像作为输入图像进行下一 次优化， 直至获得所述优化值满足所述预设条 件的最终优化图像。 2.根据权利要求1所述的数据生成方法， 其特征在于， 所述基于所述分割结果、 预设指 导图像所包含的N个第一网格区域中的M个第一网格区域中每个像素点的预设类别标签值， 获取所述输入图像的优化 值， 包括： 将所述分割结果划分为N个第 二网格区域， 其中， 所述分割结果的划分方式与所述预设 指导图像的划分方式相同； 基于所述M个第 一网格区域中每个像素点的预设类别标签值、 以及所述N个第 二网格区 域中的M个第二网格区域中每个像素点的预测类别标签值， 获取所述输入图像的优化值， 其 中， 所述M个第一网格区域与所述M个第二网格区域分别处于所述预设指导图像和所述分割 结果对应的位置 。 3.根据权利要求2所述的数据生成方法， 其特征在于， 所述基于所述M个第一网格区域 中每个像素点的预设类别标签值、 以及所述N个第二网格区域中的M个第二网格区域中每个 像素点的预测类别标签值， 获取 所述输入图像的优化 值， 包括： 针对M个网格区域对中的每个网格区域对， 基于所述第一网格区域内的像素点的预设 类别标签值和所述第二网格区域内的像素点的预测类别标签值， 计算每个网格区域对对应 的损失函数值， 从而得到M个损失函数值， 其中， 每个网格区域对包括一个所述第一网格区 域以及与其对应的所述第二网格区域； 基于所述M个损失函数值， 确定所述输入图像的优化 值。 4.根据权利要求3所述的数据生成方法， 其特征在于， 所述基于所述M个第一网格区域 中每个像素点的预设类别标签值、 以及所述N个第二网格区域中的M个第二网格区域中每个 像素点的预测类别标签值， 获取 所述输入图像的优化 值， 还包括： 基于所述分割结果中每个像素点的预测类别标签值， 以及所述M个第一网格区域中每 个像素点对应的预设类别标签值， 计算 正则化函数值； 基于所述M个损失函数值以及所述 正则化函数值， 确定所述输入图像的优化 值。 5.根据权利要求3所述的数据生成方法， 其特征在于， 所述损失函数值为交叉熵损失函 数值。 6.根据权利要求1所述的数据生成方法， 其特征在于， 在所述将输入图像输入所述目标 模型， 获得 所述输入图像的分割结果之前， 还 包括：权　利　要　求　书 1/2 页 2 CN 115512113 A 2获取参考图像； 对所述参考图像进行网格化处 理， 获得所述N个第一网格区域； 在所述N个第一网格区域中的M个第一网格区域内设置锚点； 为设置有所述锚点的M个第 一网格区域中每个第 一网格区域中每个像素点随机赋予一 种所述预设类别标签值， 获得 所述预设指导图像。 7.根据权利要求5所述的数据生成方法， 其特征在于， 所述交叉熵损失函数通过以下公 式表示： 其中， L为所述交叉熵损失函数， Q为所述M个第 一网格区域中每个第一网格区域所包含 的像素点的数量， T为所述目标模型所能识别的类别标签值的数量， 在该第一网格区域内第 i个像素点的预设类别标签值为c时， yic＝1， 否则， yiv＝0， pic为所述目标模型将所述第i个 像素点的类别标签值预测为c的概 率。 8.一种数据生成装置， 所述数据基于目标模型生成， 所述目标模型包括多目标分类模 型， 其特征在于， 包括： 输入模块， 被配置为将输入图像输入所述目标模型， 获得所述输入图像的分割结果， 其 中， 所述分割结果包括所述输入图像的每 个像素点的预测类别标签值； 优化值获取模块， 被配置为基于所述分割结果、 预设指导图像所包含的N个第 一网格区 域中的M个第一网格区域中每个像素点的预设类别标签值， 获取所述输入图像的优化值， 其 中， 所述M个第一网格区域中每个第一网格区域被预先赋予有随机的一种预设类别标签值， N>1， 且N为整数， 1≤ M≤N， 且M为整数； 优化模块， 被配置为在所述优化值不满足预设条件时， 基于所述优化值对所述输入图 像进行优化， 获得优化图像； 最终优化图像获取模块， 被配置为将所述优化图像作为输入图像进行下一次优化， 直 至获得所述优化 值满足所述预设条件的最终优化图像。 9.一种电子设备， 其特 征在于， 包括： 处理器； 用于存储所述处 理器可执行指令的存 储器； 其中， 所述处理器被配置为执行所述指令， 以实现如权利要求1至7中任一项所述的数 据生成方法。 10.一种计算机可读存储介质， 其特征在于， 当所述计算机可读存储介质中的指令由电 子设备的处理器执行时， 使得电子 设备能够执行如权利要求 1至7中任一项所述的数据生成 方法。权　利　要　求　书 2/2 页 3 CN 115512113 A 3