[发明专利]训练分类器的方法和装置

权利要求书

1.一种训练分类器的方法，其特征在于，包括：

获取第一训练样本，所述第一训练样本包括相应的语义标签；

获取多个第二训练样本，每个所述第二训练样本包括相应的语义标签；

根据所述第一训练样本和所述多个第二训练样本的语义相似度从所述多个第二训练样本中确定目标样本；

根据所述第一训练样本、所述目标样本、所述第一训练样本和所述目标样本的语义相似度训练分类器。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一训练样本、所述目标样本、所述第一训练样本和所述目标样本的语义相似度训练分类器，包括：

通过所述分类器确定所述第一训练样本的预测得分；

根据所述预测得分、所述第一训练样本与所述目标样本的语义相似度确定所述分类器的语义迁移损失函数L_semantic，所述目标样本与所述第一训练样本的语义相似度用于确定所述预测得分对所述L_semantic的影响程度；

根据所述L_semantic训练所述分类器。

3.根据权利要求2所述的方法，其特征在于，

当所述目标样本与所述第一训练样本的语义相似度大于等于语义迁移强度时，所述预测得分对所述L_semantic的影响程度为100％；

当所述目标样本与所述第一训练样本的语义相似度小于所述语义迁移强度时，所述预测得分对所述L_semantic的影响程度为0。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据所述第一训练样本、所述目标样本、所述第一训练样本和所述目标样本的语义相似度训练分类器，包括：

通过所述分类器确定所述第一训练样本的预测得分Sⁿ；

通过所述分类器确定所述目标训练样本的预测得分S^b；

根据所述Sⁿ、所述S^b和平衡性学习强度确定所述分类器的平衡性学习损失函数L_IC，所述平衡性学习强度用于调整所述Sⁿ和所述S^b对所述L_IC的影响程度；

根据所述L_IC训练所述分类器。

5.根据权利要求4所述的方法，其特征在于，所述平衡性学习强度用于调整所述Sⁿ和所述S^b对所述L_IC的影响程度，包括：

所述平衡性学习强度用于增大所述Sⁿ对所述L_IC的影响程度，以及减小所述S^b对所述L_IC的影响程度。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述根据所述第一训练样本、所述目标样本、所述第一训练样本和所述目标样本的语义相似度训练分类器，包括：

获取所述第一训练样本和所述目标样本的多视角特征；

根据所述多视角特征训练所述分类器。

7.根据权利要求6所述的方法，其特征在于，所述获取所述第一训练样本和所述目标样本的多视角特征，包括：

从所述第一训练样本和所述目标样本中的每个样本中分离出多个图像，所述每个样本的多个图像的视角互不相同；

根据所述每个样本的多个图像获取所述每个样本的多个特征；

拼接所述每个样本的所述多个特征得到所述多视角特征。

8.根据权利要求1至7中任一项所述的方法，其特征在于，所述根据所述第一训练样本、所述目标样本、所述第一训练样本和所述目标样本的语义相似度训练分类器，包括：

通过所述分类器确定所述第一训练样本的预测得分；

根据所述预测得分确定所述分类器的分类损失函数L_CE；

根据所述L_CE训练所述分类器。