一種多標(biāo)簽分類模型訓(xùn)練方法、數(shù)據(jù)處理方法及裝置

基本信息

申請(qǐng)?zhí)?/td> CN201910771659.X 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN110458245A 公開(kāi)（公告）日 2019-11-15
申請(qǐng)公布號(hào) CN110458245A 申請(qǐng)公布日 2019-11-15
分類號(hào) G06K9/62 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 張凌寒;陳權(quán);鄭敏鵬 申請(qǐng)（專利權(quán)）人 圖譜未來(lái)（南京）人工智能研究院有限公司
代理機(jī)構(gòu) 北京超凡宏宇專利代理事務(wù)所（特殊普通合伙） 代理人 圖譜未來(lái)（南京）人工智能研究院有限公司
地址 210000江蘇省南京市棲霞區(qū)馬群街道紫東路2號(hào)C4幢
法律狀態(tài) -

摘要

摘要 本申請(qǐng)公開(kāi)一種多標(biāo)簽分類模型訓(xùn)練方法、數(shù)據(jù)處理方法及裝置，屬于圖像處理技術(shù)領(lǐng)域。該方法包括：利用i標(biāo)簽的樣本數(shù)據(jù)對(duì)j標(biāo)簽分類模型進(jìn)行訓(xùn)練，所述j標(biāo)簽分類模型包括j個(gè)獨(dú)立的二元分類器，每個(gè)所述二元分類器對(duì)應(yīng)有一個(gè)分類閾值；獲取每個(gè)所述二元分類器經(jīng)訓(xùn)練得到的最優(yōu)分類閾值，并將每個(gè)所述二元分類器當(dāng)前的分類閾值更新為對(duì)應(yīng)的最優(yōu)分類閾值；基于每個(gè)所述二元分類器對(duì)所述i標(biāo)簽的樣本數(shù)據(jù)的分類結(jié)果對(duì)所述樣本數(shù)據(jù)進(jìn)行二次標(biāo)注，得到k標(biāo)簽的樣本數(shù)據(jù)；利用所述k標(biāo)簽的樣本數(shù)據(jù)對(duì)更新后的所述j標(biāo)簽分類模型進(jìn)行訓(xùn)練。該方法大大節(jié)省了訓(xùn)練多標(biāo)簽分類模型的標(biāo)注成本，提高了多標(biāo)簽分類模型訓(xùn)練效率。