申请/专利权人:深圳市腾讯网域计算机网络有限公司
申请日:2021-04-16
公开(公告)日:2021-07-16
公开(公告)号:CN113128588A
主分类号:G06K9/62(20060101)
分类号:G06K9/62(20060101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2021.08.03#实质审查的生效;2021.07.16#公开
摘要:本申请公开了一种模型训练方法、装置、计算机设备及计算机存储介质,其中方法包括:获取对象识别模型的样本集,样本集中包括多个标注图像,及各个标注图像的标注信息;若根据各个标注图像的标注信息检测到样本集包括N个类别的标注对象,且各类别之间未达到对象比例均衡,则获取每个类别的对象扩充比例,N为大于1的正整数;从样本集中确定每个类别的关联标注图像,并基于每个类别的对象扩充比例以及每个类别的关联标注图像进行样本扩充,得到多个扩充图像;将多个扩充图像和样本集中的各个标注图像,均作为对象识别模型的训练样本,并采用训练样本对对象识别模型进行模型训练,可提升对象识别模型的性能。
主权项:1.一种模型训练方法,其特征在于,包括:获取对象识别模型的样本集,所述样本集中包括多个标注图像,及各个标注图像的标注信息;任一标注图像的标注信息用于指示:所述任一标注图像中的一个或多个标注对象,以及每个标注对象所属的类别;若根据所述各个标注图像的标注信息检测到所述样本集包括N个类别的标注对象,且各类别之间未达到对象比例均衡,则获取每个类别的对象扩充比例,N为大于1的正整数;从所述样本集中确定所述每个类别的关联标注图像,并基于所述每个类别的对象扩充比例以及所述每个类别的关联标注图像进行样本扩充,得到多个扩充图像;任一类别的关联标注图像是指:具有所述任一类别下的标注对象的标注图像;将所述多个扩充图像和所述样本集中的各个标注图像,均作为所述对象识别模型的训练样本,并采用所述训练样本对所述对象识别模型进行模型训练。
全文数据:
权利要求:
百度查询: 深圳市腾讯网域计算机网络有限公司 模型训练方法、装置、计算机设备及计算机存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。