[发明专利]基于难样本的训练方法、装置及电子设备有效
| 申请号： | 201810675642.X | 申请日： | 2018-06-26 |
| 公开（公告）号： | CN108960314B | 公开（公告）日： | 2022-02-11 |
| 发明（设计）人： | 朱星宇;黄鼎;张诚 | 申请（专利权）人： | 北京旷视科技有限公司;杭州旷云金智科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人： | 王术兰 |
| 地址： | 100096 北京市海淀区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于难样本的训练方法、装置及电子设备，该方法首先利用预训练模型对公开数据集中的样本进行遍历识别，获得被误识别为目标类的负类样本，将该负类样本添加至包括正类样本的第一数据集中，形成第二数据集；然后基于该第二数据集，利用预选代价函数和预先设定的难样本针对性代价函数对初始模型进行训练，得到输出模型。该方式将从公开数据集中挑选出的负类样本，加入后续用于训练的数据集中，然后利用预先设定的难样本针对性代价函数，基于该包含负类样本的数据集进行模型训练，从而加强对易识别为FP的难样本的识别学习，在不增加模型输出类别的情况下，有效抑制FP的同时，提升模型的识别准确率，改善用户的使用体验。 | ||
| 搜索关键词： | 基于 样本 训练 方法 装置 电子设备 | ||
【主权项】：
1.一种基于难样本的训练方法，其特征在于，包括：遍历步骤，利用预训练模型对公开数据集中的样本进行遍历识别，将被误识别为目标类的负类样本，添加至包括正类样本的第一数据集，形成第二数据集；训练步骤，基于所述第二数据集，利用预选代价函数和预先设定的难样本针对性代价函数对初始模型进行训练，得到输出模型；其中所述预选代价函数包括分类交叉熵函数。
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北京旷视科技有限公司;杭州旷云金智科技有限公司，未经北京旷视科技有限公司;杭州旷云金智科技有限公司许可，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/patent/201810675642.X/，转载请声明来源钻瓜专利网。
