公开(公告)号：CN116670687A

公开(公告)日：2023-08-29

申请号：CN202180075018.6

申请日：2021-11-16

Applicant: 华为云计算技术有限公司

Inventor： 瑞德拉尼瑞娜·拉马蒙吉森 ,  阿明·巴尼塔莱比·德科迪 ,  康馨予 ,  张勇

IPC: G06N3/045 ,  G06N3/09 ,  G06N3/0985 ,  G06V10/774 ,  G06V10/82 ,  G06F17/16

Abstract: 本发明提供了一种用于调整机器学习模型(例如，物体检测模型)以适应域偏移的方法和系统。所述方法包括：接收标记数据元素和目标图像样本，以及执行多个模型适应周期。每个适应周期包括：使用通过一组当前配置参数来配置的机器学习模型为所述目标图像样本分别预测所述目标图像样本中包括的相应目标数据物体的对应目标类别标签；生成多个标记混合数据元素，其中，每个标记混合数据元素包括：(i)混合图像样本，包括所述源图像样本中的源数据物体和所述目标图像样本中的目标数据物体，(ii)所述源数据物体的所述对应源类别标签和所述目标数据物体的所述对应目标类别标签。所述方法还包括：调整所述一组当前配置参数，以最小化所述机器学习模型对于所述多个混合数据元素的损失函数。所述方法产生了适配的机器学习模型，适应了域偏移并提高了对新目标图像样本的推理性能。

公开(公告)号：CN117355845A

公开(公告)日：2024-01-05

申请号：CN202180098342.X

申请日：2021-06-18

Applicant: 华为云计算技术有限公司

Inventor： 阿明·巴尼塔莱比·德科迪 ,  康馨予 ,  白小龙 ,  张勇

IPC: G06N3/08 ,  G06N3/045

Abstract: 一种用于生成基于一组源神经网络(neural network，NN)模型的复合NN模型的方法和系统，包括：向每个源NN模型提供包括多个输入样本的数据集；从每个源NN模型接收所述数据集的所述输入样本的相应标签预测集；从所述接收到的标签预测集中选择代表性标签预测用作所述输入样本的伪标签；使用所述伪标签和所述输入样本对目标NN模型执行监督训练，以生成所述复合NN模型。