[发明专利]应对样本标注错误的鲁棒深度神经网络学习方法有效
| 申请号： | 201910312780.6 | 申请日： | 2019-04-18 |
| 公开（公告）号： | CN110060247B | 公开（公告）日： | 2022-11-25 |
| 发明（设计）人： | 何志权;许琦;何志海 | 申请（专利权）人： | 深圳市深视创新科技有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06V10/82 |
| 代理公司： | 北京久远信知识产权代理有限公司 16061 | 代理人： | 王海燕 |
| 地址： | 518000 广东省深圳市南*** | 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： | 本发明提供了一种应对样本标注错误的鲁棒深度神经网络学习方法，包括：步骤1，基于图像分析对标注进行清洗；步骤2，利用清洗后的图片标注训练模型，在训练模型的过程中，每多个轮次输出一个模型，利用这些模型分别预测所述图片标注，根据这些模型预测的结果，判断出标注是否有错误，发生错误的标注将不参与下一轮的模型训练；步骤3，通过比较前后两轮得到的模型之间的差异，判断是否继续迭代，如果是则继续迭代，否则退出循环。本发明能自动的识别互相冲突的数据标注，并在模型训练过程中规避这些标注，提升了模型训练的鲁棒性。 | ||
| 搜索关键词： | 应对 样本 标注 错误 深度 神经网络 学习方法 | ||
【主权项】：
1.一种应对样本标注错误的鲁棒深度神经网络学习方法，其特征在于，包括：步骤1，基于图像分析对标注进行清洗；步骤2，利用清洗后的图片标注训练模型，在训练模型的过程中，每多个轮次输出一个模型，利用这些模型分别预测所述图片标注，根据这些模型预测的结果，判断出标注是否有错误，发生错误的标注将不参与下一轮的模型训练；步骤3，通过比较前后两轮得到的模型之间的差异，判断是否继续迭代，如果是则继续迭代，否则退出循环。
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深圳市深视创新科技有限公司，未经深圳市深视创新科技有限公司许可，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/201910312780.6/，转载请声明来源钻瓜专利网。
