[发明专利]用于深度学习训练的方法和设备

权利要求书

1.一种用于深度学习训练的方法，包括：

接收用于分类的候选单元；

通过软标签对候选单元进行分类，其中，软标签提供至少一个标签，所述至少一个标签包括在0和1之间范围内的多个可能值。

2.根据权利要求1所述的用于深度学习训练的方法，其中，所述候选单元是图像内的检测边界框或输入音频特征的音素。

3.根据权利要求1所述的用于深度学习训练的方法，其中，所述候选单元是检测边界框，

其中，软标签包括：

基于检测边界框与类的地面实况边界框的重叠区域，将类的标签提供给检测边界框。

4.根据权利要求3所述的用于深度学习训练的方法，其中，提供类的标签的步骤包括：

分配类的标签，其中，通过使用检测边界框与类的地面实况边界框的重叠区域得到类的标签的值。

5.根据权利要求3所述的用于深度学习训练的方法，其中，提供类的标签包括：

分配类的标签，其中，从关于检测边界框与类的地面实况边界框的重叠区域的比例得到类的标签的值。

6.根据权利要求5所述的用于深度学习训练的方法，其中，分配类的标签的步骤包括：

计算检测边界框与类的地面实况边界框的重叠区域与检测边界框的整个区域的比例。

7.根据权利要求3所述的用于深度学习训练的方法，其中，基于一个或多个阈值提供类的标签。

8.根据权利要求7所述的用于深度学习训练的方法，其中，提供类的标签的步骤包括：

如果基于检测边界框与类的地面实况边界框的重叠区域的值低于第一阈值，则分配值为0的类的标签；

如果基于检测边界框与类的地面实况边界框的重叠区域的值高于第二阈值，则分配值为1的类的标签；

如果基于检测边界框与类的地面实况边界框的重叠区域的值是第一阈值、第二阈值、或者在第一阈值和第二阈值之间，则将基于检测边界框与类的地面实况边界框的重叠区域的值分配给类的标签。

9.根据权利要求8所述的用于深度学习训练的方法，其中，基于检测边界框与类的地面实况边界框的重叠区域的值是检测边界框与类的地面实况边界框的重叠区域与检测边界框的整个区域的比例。

10.根据权利要求3所述的用于深度学习训练的方法，其中，还基于由提供检测边界框的检测阶段提供的一个或多个置信水平将类的标签提供给检测边界框。

11.根据权利要求3所述的用于深度学习训练的方法，其中，将类的标签提供给检测边界框的步骤包括：

基于检测边界框与第一类的地面实况边界框的重叠区域，将第一类的标签提供给检测边界框；

基于检测边界框与第二类的地面实况边界框的重叠区域，将第二类的标签提供给检测边界框。

12.根据权利要求11所述的用于深度学习训练的方法，其中，存在检测边界框、第一类的地面实况边界框和第二类的地面实况边界框的重叠区域，

其中，第一类的标签和第二类的标签还基于检测边界框、第一类的地面实况边界框和第二类的地面实况边界框的重叠区域。

13.根据权利要求1所述的用于深度学习训练的方法，其中，候选单元是输入音频特征的音素，

其中，软标签包括：

从来自概率模型或神经网络的分类分数直接生成软标签。

14.根据权利要求1所述的用于深度学习训练的方法，其中，候选单元是输入音频特征的音素，

其中，软标签包括：

从来自隐马尔可夫模型、高斯混合模型或预训练神经网络的分类分数直接生成软标签。