模型訓(xùn)練方法、電子設(shè)備和計算機(jī)可讀存儲介質(zhì)

基本信息

申請?zhí)?/td> CN202111401804.9 申請日 -
公開（公告）號 CN114118370A 公開（公告）日 2022-03-01
申請公布號 CN114118370A 申請公布日 2022-03-01
分類號 G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06K9/62（2022.01）I;G06V10/764（2022.01）I;G06V10/774（2022.01）I 分類 計算；推算；計數(shù);
發(fā)明人 浦煜;胡長勝;何武;付賢強(qiáng);朱海濤;戶磊 申請（專利權(quán)）人 合肥的盧深視科技有限公司
代理機(jī)構(gòu) 北京智晨知識產(chǎn)權(quán)代理有限公司 代理人 張婧
地址 100083北京市海淀區(qū)學(xué)院路甲5號2幢平房B北3032室
法律狀態(tài) -

摘要

摘要 本申請實施例涉及計算機(jī)視覺技術(shù)領(lǐng)域，公開了一種模型訓(xùn)練方法、電子設(shè)備和計算機(jī)可讀存儲介質(zhì)，該方法包括：獲取待訓(xùn)練的模型和標(biāo)注有標(biāo)簽的訓(xùn)練樣本；將訓(xùn)練樣本輸入至模型中，獲取模型輸出的特征向量；根據(jù)模型輸出的特征向量和標(biāo)簽構(gòu)建損失函數(shù)，對模型進(jìn)行迭代訓(xùn)練，直到損失函數(shù)收斂，得到訓(xùn)練完成的模型；其中，損失函數(shù)包括第一損失項和第二損失項，第一損失項為softmax函數(shù)，第二損失項用于約束模型分出的各類別的類別中心向量之間的最小距離不小于平均距離，平均距離為各類別的類別中心向量均勻分布時兩兩之間的距離，從而避免因不同類別的樣本數(shù)據(jù)量不均衡而訓(xùn)練出帶有偏向性的圖像分類模型，提升模型分類的準(zhǔn)確性。