[发明专利]训练分类模型的方法和装置以及分类方法和装置有效
| 申请号： | 201810663447.5 | 申请日： | 2018-06-25 |
| 公开（公告）号： | CN110633725B | 公开（公告）日： | 2023-08-04 |
| 发明（设计）人： | 庞占中;于小亿;孙俊 | 申请（专利权）人： | 富士通株式会社 |
| 主分类号： | G06V10/774 | 分类号： | G06V10/774;G06V10/764;G06V10/77;G06V10/82 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 王萍;李彦丽 |
| 地址： | 日本神*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 公开了一种训练分类模型的方法和装置以及分类方法和装置。一种分类方法包括：从输入到经训练的分类模型的待测试信息中提取特征；将所提取的特征压缩成能够表征待测试信息的低维度的隐特征；对隐特征进行解压缩，从而得到解压缩后的特征；基于解压缩后的特征对待测试信息进行重建，以得到重建后的待测试信息；基于待测试信息与重建后的待测试信息之间的重建损失，判断待测试信息是属于已知类别还是属于未知类别；以及在确定待测试信息属于已知类别的情况下，经由经训练的分类模型，对待测试信息进行分类。 | ||
| 搜索关键词： | 训练 分类 模型 方法 装置 以及 | ||
【主权项】：
1.一种训练分类模型的方法，包括：/n样本处理步骤，针对训练集中的每个样本分别进行以下处理：/n从所述样本中提取特征；/n将所提取的特征压缩成能够表征所述样本的低维度的隐特征；/n对所述隐特征进行解压缩，从而得到解压缩后的特征；以及/n基于所述解压缩后的特征对所述样本进行重建，以得到重建后的样本；/n重建损失计算步骤，基于所述隐特征，针对所述训练集中的所有样本计算重建损失；/n类间损失计算步骤，针对所述训练集中的所有样本，计算表明不同的类别的样本之间的分离程度的类间损失；以及/n获得分类模型步骤，通过使包括所述重建损失和所述类间损失的损失函数最小，获得训练完成的分类模型。/n
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富士通株式会社，未经富士通株式会社许可，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/patent/201810663447.5/，转载请声明来源钻瓜专利网。
