[发明专利]样本数量的确定方法、装置、电子设备及存储介质在审
申请号: | 202010144448.6 | 申请日: | 2020-03-04 |
公开(公告)号: | CN111428858A | 公开(公告)日: | 2020-07-17 |
发明(设计)人: | 苏英菲 | 申请(专利权)人: | 东软睿驰汽车技术(沈阳)有限公司 |
主分类号: | G06N3/04 | 分类号: | G06N3/04;G06N3/08 |
代理公司: | 北京博思佳知识产权代理有限公司 11415 | 代理人: | 康莹 |
地址: | 110172 辽宁*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 样本 数量 确定 方法 装置 电子设备 存储 介质 | ||
1.一种样本数量的确定方法,其特征在于,包括:
获取用于训练深度学习模型的多幅样本图像信息;
从所述多幅样本图像信息中获取多个不同设定数量的样本图像信息,训练出多个深度学习模型;
获取每个所述深度学习模型的评价结果;
基于所述评价结果,从所述多个不同设定数量中确定使所述深度学习模型稳定的最小样本数量。
2.根据权利要求1所述的方法,其特征在于,所述从所述多幅样本图像信息中获取多个不同设定数量的样本图像信息,训练出多个深度学习模型,包括:
从所述多幅样本图像信息中每次获取设定数量的样本图像信息,对当前得到的深度学习模型进行训练,得到每次训练后的深度学习模型。
3.根据权利要求1所述的方法,其特征在于,所述获取每个所述深度学习模型的评价结果,包括:
将测试图像信息输入每个所述深度学习模型,得到各个所述深度学习模型对所述测试图像信息中目标物体的预测结果;
基于所述预测结果对每个所述深度学习模型进行评价,得到每个所述深度学习模型的评价结果。
4.根据权利要求1所述的方法,其特征在于,所述基于所述评价结果,从所述多个不同设定数量中确定使所述深度学习模型稳定的最小样本数量,包括:
绘制各个深度学习模型的样本图像信息数量与评价结果的对应关系曲线;
基于所述曲线确定使所述深度学习模型稳定的最小样本数量。
5.根据权利要求4所述的方法,其特征在于,所述基于所述曲线确定使所述深度学习模型稳定的最小样本数量,包括:
基于所述曲线确定使所述深度学习模型稳定的各个样本图像信息数量;
基于所述各个样本图像信息数量中最小的样本图像信息数量,确定使所述深度学习模型稳定的最小样本数量。
6.一种样本数量的确定装置,其特征在于,包括:
样本图像获取模块,用于获取用于训练深度学习模型的多幅样本图像信息;
学习模型训练模块,用于从所述多幅样本图像信息中获取多个不同设定数量的样本图像信息,训练出多个深度学习模型;
评价结果获取模块,用于获取每个所述深度学习模型的评价结果;
样本图像信息数量确定模块,用于基于所述评价结果,从所述多个不同设定数量中确定使所述深度学习模型稳定的最小样本数量。
7.根据权利要求6所述的装置,其特征在于,所述学习模型训练模块,还用于从所述多幅样本图像信息中每次获取设定数量的样本图像信息,对当前得到的深度学习模型进行训练,得到每次训练后的深度学习模型。
8.根据权利要求6所述的装置,其特征在于,所述评价结果获取模块,包括:
预测结果获取单元,用于将测试图像信息输入每个所述深度学习模型,得到各个所述深度学习模型对所述测试图像信息中目标物体的预测结果;
评价结果获取单元,用于基于所述预测结果对每个所述深度学习模型进行评价,得到每个所述深度学习模型的评价结果。
9.根据权利要求6所述的装置,其特征在于,所述样本图像信息数量确定模块,包括:
关系曲线绘制单元,用于绘制各个深度学习模型的样本图像信息数量与评价结果的对应关系曲线;
样本图像信息数量确定单元,用于基于所述曲线确定使所述深度学习模型稳定的最小样本数量。
10.根据权利要求9所述的装置,其特征在于,所述样本图像信息数量确定单元,还用于:
基于所述曲线确定使所述深度学习模型稳定的各个样本图像信息数量;
基于所述各个样本图像信息数量中最小的样本图像信息数量,确定使所述深度学习模型稳定的最小样本数量。
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东软睿驰汽车技术(沈阳)有限公司,未经东软睿驰汽车技术(沈阳)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/202010144448.6/1.html,转载请声明来源钻瓜专利网。