[发明专利]一种训练集的拆分方法及装置有效

专利信息
申请号: 201910251191.1 申请日: 2019-03-29
公开(公告)号: CN110084277B 公开(公告)日: 2021-03-05
发明(设计)人: 王斐 申请(专利权)人: 广州思德医疗科技有限公司
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 王庆龙;苗晓静
地址: 510515 广东省广州*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 训练 拆分 方法 装置
【说明书】:

发明实施例提供一种训练集的拆分方法及装置,所述方法包括:获取用于训练预设模型的训练集;所述训练集包括一类域外训练集;所述一类域外训练集是基于原始图片的拍摄缺陷、与待检测目标部位无关的拍摄部位确定的训练集;识别所述一类域外训练集中的图片特征,若判断获知所述图片特征所属的类别为第一类别,则选取对照图片对所述第一类别对应的图片进行比照;根据比照结果拆分所述一类域外训练集。所述装置执行上述方法。本发明实施例提供的训练集的拆分方法及装置,能够提高训练集拆分的合理性。

技术领域

本发明实施例涉及图片处理技术领域,尤其涉及一种训练集的拆分方法及装置。

背景技术

胶囊内镜具有无痛、无伤、拍摄图像信息量大等优点,具备广泛的应用价值。

现有技术采用人工方式识别通过胶囊内镜拍摄的原始图片、并对原始图片进行分类,为了更加准确、高效地识别原始图片,需要构建模型,但是模型在使用之前通常需要进行训练,训练过程中的训练集需要进行拆分,以便模型能够更加准确地进行图片识别,但是,对于训练集的拆分,目前尚没有有效的方法。

因此,如何避免上述缺陷,提高训练集拆分的合理性,成为亟须解决的问题。

发明内容

针对现有技术存在的问题,本发明实施例提供一种训练集的拆分方法及装置。

本发明实施例提供一种训练集的拆分方法,包括:

获取用于训练预设模型的训练集;所述训练集包括一类域外训练集;所述一类域外训练集是基于原始图片的拍摄缺陷、与待检测目标部位无关的拍摄部位确定的训练集;

识别所述一类域外训练集中的图片特征,若判断获知所述图片特征所属的类别为第一类别,则选取对照图片对所述第一类别对应的图片进行比照;

根据比照结果拆分所述一类域外训练集。

本发明实施例提供一种训练集的拆分装置,包括:

获取单元,用于获取用于训练预设模型的训练集;所述训练集包括一类域外训练集;所述一类域外训练集是基于原始图片的拍摄缺陷、与待检测目标部位无关的拍摄部位确定的训练集;

选取单元,用于识别所述一类域外训练集中的图片特征,若判断获知所述图片特征所属的类别为第一类别,则选取对照图片对所述第一类别对应的图片进行比照;

拆分单元,用于根据比照结果拆分所述一类域外训练集。

本发明实施例提供一种电子设备,包括:处理器、存储器和总线,其中,

所述处理器和所述存储器通过所述总线完成相互间的通信;

所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如下方法:

获取用于训练预设模型的训练集;所述训练集包括一类域外训练集;所述一类域外训练集是基于原始图片的拍摄缺陷、与待检测目标部位无关的拍摄部位确定的训练集;

识别所述一类域外训练集中的图片特征,若判断获知所述图片特征所属的类别为第一类别,则选取对照图片对所述第一类别对应的图片进行比照;

根据比照结果拆分所述一类域外训练集。

本发明实施例提供一种非暂态计算机可读存储介质,包括:

所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如下方法:

获取用于训练预设模型的训练集;所述训练集包括一类域外训练集;所述一类域外训练集是基于原始图片的拍摄缺陷、与待检测目标部位无关的拍摄部位确定的训练集;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州思德医疗科技有限公司,未经广州思德医疗科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910251191.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top