申请/专利权人：中科视语(句容)科技有限公司

申请日：2023-12-18

公开（公告）日：2024-05-03

公开（公告）号：CN117972415A

主分类号：G06F18/214

分类号：G06F18/214;G06F18/241;G06F18/21;G06F18/22

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.21#实质审查的生效;2024.05.03#公开

摘要：本发明提供一种基于批次关系保持的模型连续领域自适应方法及装置，涉及计算机视觉技术领域，方法包括：将当前领域的当前批次数据输入至预先设置的当前模型中，得到当前模型输出的分类结果；基于分类结果和伪标签结果，计算当前领域的分类损失；从预先设置的回放缓存中获取历史批次数据，回放缓存中包括多个目标域的样本；将历史批次数据分别输入至当前模型和预先设置的历史模型，得到当前模型从历史批次数据中提取的第一组特征向量，和历史模型从历史批次数据中提取的第二组特征向量；基于第一组特征向量和第二组特征向量，确定批次关系保持损失；基于分类损失和批次关系保持损失，对当前模型进行自适应训练，并对历史模型进行同步更新。

主权项：1.一种基于批次关系保持的模型连续领域自适应方法，其特征在于，包括：将当前领域的当前批次数据输入至预先设置的当前模型中，得到所述当前模型输出的分类结果；其中，所述当前批次数据包括至少两个样本；基于所述分类结果和预先设置的伪标签结果，计算所述当前领域的分类损失；从预先设置的回放缓存中获取历史批次数据；其中，所述回放缓存中包括多个目标域的样本，所述历史批次数据包括至少两个样本；将所述历史批次数据分别输入至所述当前模型和预先设置的历史模型，得到所述当前模型从所述历史批次数据中提取的第一组特征向量，和所述历史模型从所述历史批次数据中提取的第二组特征向量；基于所述第一组特征向量和所述第二组特征向量，确定批次关系保持损失；基于所述分类损失和所述批次关系保持损失，对所述当前模型进行自适应训练，并对所述历史模型进行同步更新。

全文数据：

权利要求：

百度查询： 中科视语(句容)科技有限公司 基于批次关系保持的模型连续领域自适应方法及装置

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