申请/专利权人：上海合合信息科技股份有限公司;上海临冠数据科技有限公司;上海生腾数据科技有限公司;上海盈五蓄数据科技有限公司

申请日：2023-12-18

公开（公告）日：2024-03-19

公开（公告）号：CN117726901A

主分类号：G06V10/774

分类号：G06V10/774;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明公开了一种多场景深度学习模型的迭代式训练方法。步骤S1：给定多场景初始模型M0、训练数据集TR和测试数据集TE。步骤S2：采用训练数据集TR的全部训练数据子集来训练初始模型M0，得到中间模型M1。步骤S3：采用测试数据集TE的全部测试数据子集对中间模型M1进行测试；挑选出当前测试结果最差的测试数据子集对应的训练子集称为TH。步骤S4：迭代步骤S2‑步骤S3，每次迭代时在训练数据集TR中重复增加当前困难场景的训练子集TH中的样本，每次迭代的训练对象是上一轮迭代得到的中间模型M1；重复迭代步骤S2‑步骤S3，直到获得一个在各个场景均令人满意的最终模型M2。本发明提高深度学习模型在各种场景下的鲁棒性。

主权项：1.一种多场景深度学习模型的迭代式训练方法，其特征是，包括如下步骤；步骤S1：给定待训练的用于执行多场景任务的初始模型M0、训练数据集TR和测试数据集TE；所述训练数据集TR包括多个不同场景下的训练数据子集；所述测试数据集TE包括多个不同场景下的测试数据子集；步骤S2：采用训练数据集TR的全部训练数据子集来训练初始模型M0，得到中间模型M1；步骤S3：采用测试数据集TE的全部测试数据子集对中间模型M1进行测试；挑选出当前测试结果最差的测试数据子集，这个测试数据子集对应场景就是对当前的中间模型M1来说最具难度的场景，将该最具难度场景下的训练子集称为TH；步骤S4：迭代步骤S2-步骤S3，每次迭代时在训练数据集TR中重复增加当前困难场景的训练子集TH中的样本，每次迭代的训练对象是上一轮迭代得到的中间模型M1；重复迭代步骤S2-步骤S3，直到获得一个在各个场景均令人满意的最终模型M2。

全文数据：

权利要求：

百度查询： 上海合合信息科技股份有限公司;上海临冠数据科技有限公司;上海生腾数据科技有限公司;上海盈五蓄数据科技有限公司 一种多场景深度学习模型的迭代式训练方法及装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD