1.一种基于gan的强化样本生成方法,其特征在于,所述方法包括:
获取待强化样本;
将所述待强化样本输入到预先训练好的strgan生成模型中进行强化,获得目标强化样本;
所述strgan生成模型的训练方式为:
获取原始图片样本;
采用rgb转ycbcr的方法对所述原始图片样本进行处理,获得处理后的图片样本;
将所述处理后的图片样本输入到基于strgan算法的生成器中,采用strgan算法将自动提取输入的所述处理后的图片样本的特征,生成强化样本;
将所述强化样本进行精度评估,当所述精度达到预设条件时,获得strgan生成模型。
2.根据权利要求1所述的方法,其特征在于,所述采用rgb转ycbcr的方法对所述原始图片样本进行处理,获得处理后的图片样本的步骤,包括:
采用rgb转ycbcr的方法对所述原始图片样本进行处理,并将所述原始图片样本的通道由3压缩为2,获得处理后的图片样本。
3.根据权利要求1所述的方法,其特征在于,所述将所述强化样本进行精度评估,当所述精度达到预设条件时,获得strgan生成模型的步骤,包括:
将所述强化样本输入判别器,输出对抗损失;
将所述强化样本输入目标分类器,计算所述强化样本的标签与所述原始图片样本的标签之间的标签距离;
根据所述对抗损失、所述标签距离和l2范数计算的所述强化样本与所述原始图片样本之间的样本距离,判断所述精度是否达到预设条件;
当所述精度达到预设条件时,获得strgan生成模型。
4.根据权利要求3所述的方法,其特征在于,所述预设条件为:
所述对抗损失小于等于第一预设值、所述标签距离小于等于第二预设值和所述样本距离小于等于第三预设值。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
当所述精度未达到预设条件时,返回采用rgb转ycbcr的方法对所述原始图片样本进行处理,获得处理后的图片样本的步骤,直至所述精度达到预设条件。
6.根据权利要求3所述的方法,其特征在于,所述目标分类器为采用alexnet、vgg16和resnet18三种分类器,对二分类、三分类和五分类三种数据集进行训练,获得的准确率在75%-85%范围内的分类器。