2024電力人工智能樣本增廣技術(shù)架構(gòu)要求

電力人工智能樣本增廣技術(shù)架構(gòu)要求目 次前 言 II范圍 3規(guī)性引文件 3術(shù)和定義 3符、代和縮語 3符號 4代號 4縮語 4圖類樣增廣術(shù) 4基圖像廣 4混圖像廣 5虛圖像成 5文文檔樣本廣技術(shù) 5標無關(guān)法 5標相關(guān)廣方法 5用于OCR文的樣增廣術(shù) 5語類樣增廣術(shù) 6樣增廣果評要求 6通評價求 6圖類樣增廣果評要求 6文類樣增廣果評要求 6音類樣增廣果評要求 6樣增廣略制要求 7樣增廣標 7樣增廣子選擇 7樣增廣子的序 7樣增廣度 7樣增廣隨機性 7樣增廣子編技術(shù)功能求 7可展性 7并性 7容性 7數(shù)流管理 7優(yōu)和調(diào)度 7可化和理 8參考文獻 9I電力人工智能樣本增廣技術(shù)架構(gòu)要求范圍本文件規(guī)定了電力人工智能樣本增廣技術(shù)架構(gòu)、策略制定、增廣算子編排等方面做出規(guī)范性要求。本文件適用于電力人工智能圖像類、文本文檔類、語音類等樣本增廣。規(guī)范性引用文件GB/T5271.29—200629GB/T5271.31—200631DA/T77-2019OCR術(shù)語和定義下列術(shù)語和定義適用于本文件。3.1人工智能artificialintelligence研究人類智能活動的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計算機去完成以往需要人的3.2噪聲noise真實標記與數(shù)據(jù)集中的實際標記間的偏差。3.3語音識別automaticspeechrecognition讓機器通過識別和理解過程把語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)。3.4信噪比signal-noiseratio是一種用于度量信號與噪聲強度之間關(guān)系的指標。3.5峰值信噪比peaksignal-noiseratio指用于表示信號的最大可能功率與影響其表示的保真度的破壞噪聲的功率之間的比率。3.6語音清晰度perceptualevaluationofspeechquality指語音質(zhì)量的知覺評估方法。3.7語音質(zhì)量指標meanopinionscore是一種用工衡量語音質(zhì)量的指標。3.8樣本增廣算子sampleaugmentationoperator指在機器學(xué)習(xí)和深度學(xué)習(xí)中用于擴充訓(xùn)練數(shù)據(jù)集的技術(shù)。符號、代號和縮略語3下列符號、代號和縮略語適用于本文件。無無縮略語OCR：光學(xué)字符識別（OpticalCharacterRecognition）GAN：生成對抗網(wǎng)絡(luò)（GenerativeAdversarialNetwork）樣本增廣技術(shù)總體架構(gòu)電力人工智能樣本增廣技術(shù)總體架構(gòu)包括：樣本增廣技術(shù)：包括圖像、文本、音頻三種類型樣本的主流增廣技術(shù)；樣本增廣技術(shù)要求：包括樣本增廣效果評價要求、樣本增廣策略制定要求和樣本增廣算子編排圖1電力人工智能樣本增廣技術(shù)總體架構(gòu)圖圖像類樣本增廣技術(shù)基本圖像增廣4混合圖像增廣虛擬圖像生成文本文檔類樣本增廣技術(shù)標簽無關(guān)增廣方法單詞替換回譯引入噪聲標簽相關(guān)增廣方法OCR文檔的樣本增廣技術(shù)對于OCROCR5音頻類樣本增廣技術(shù)音頻類樣本增廣技術(shù)一般包括但不限于以下幾種：d)生成式的方法：是指通過生成新的數(shù)據(jù)來增加訓(xùn)練樣本的規(guī)模和多樣性，例如使用生成式對抗網(wǎng)絡(luò)（GAN）等方法。樣本增廣效果評價要求通用評價要求數(shù)據(jù)一致性模型性能F1模型魯棒性數(shù)據(jù)平衡性人工評估圖像類樣本增廣效果評價要求9.2.1 可視化效果文本類樣本增廣效果評價要求9.3.1 語義一致性保持音頻類樣本增廣效果評價要求9.4.1 音頻質(zhì)量指標評價6樣本增廣策略制定要求樣