-
公开(公告)号：CN112381161A
公开(公告)日：2021-02-19
申请号：CN202011296897.9
申请日：2020-11-18
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明涉及一种神经网络训练方法，包括以下步骤：S1、初步训练，对类别数据不均衡的训练样本数据进行深度学习神经网络训练，得到一个初步最佳训练模型；S2、根据该初步最佳训练模型对训练样本数据进行处理；S3、二次训练，用经过S2处理后的数据在该初步最佳训练模型基础上继续迭代训练至神经网络训练模型收敛。该方法利用DBSCAN聚类结果及已有标签，指导神经网络训练过程中每个batch的数据采样，通过类别间数据的均衡性，单类别内部数据特征多样性，提高了算法模型的收敛速度，提高了算法模型泛化性能。
-
公开(公告)号：CN111783858A
公开(公告)日：2020-10-16
申请号：CN202010567257.0
申请日：2020-06-19
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06K9/62
Abstract: 本申请实施例公开了生成类别向量的方法和装置。该方法的一具体实施方式包括：获取第一预设数量个属于预设类别的向量作为第一向量集；获取第二预设数量个属于预设类别的向量作为第二向量集；从第二向量集中确定符合预设条件的目标向量；获取属于预设类别的待替换向量；确定待替换向量是否符合预设替换条件，如果符合，将目标向量替换为待替换向量；基于第一向量集和进行向量替换后的第二向量集，确定表征预设类别的类别向量并存储。该实施方式实现了实时地对第二向量集进行更新，使第二向量集中的向量对预设类别的代表性逐渐增强，提高生成类别向量的精确性。
-
公开(公告)号：CN112381161B
公开(公告)日：2022-08-30
申请号：CN202011296897.9
申请日：2020-11-18
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/762 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种神经网络训练方法，包括以下步骤：S1、初步训练，对类别数据不均衡的训练样本数据进行深度学习神经网络训练，得到一个初步最佳训练模型；S2、根据该初步最佳训练模型对训练样本数据进行处理；S3、二次训练，用经过S2处理后的数据在该初步最佳训练模型基础上继续迭代训练至神经网络训练模型收敛。该方法利用DBSCAN聚类结果及已有标签，指导神经网络训练过程中每个batch的数据采样，通过类别间数据的均衡性，单类别内部数据特征多样性，提高了算法模型的收敛速度，提高了算法模型泛化性能。
-
公开(公告)号：CN111783858B
公开(公告)日：2022-07-15
申请号：CN202010567257.0
申请日：2020-06-19
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06K9/62
Abstract: 本申请实施例公开了生成类别向量的方法和装置。该方法的一具体实施方式包括：获取第一预设数量个属于预设类别的向量作为第一向量集；获取第二预设数量个属于预设类别的向量作为第二向量集；从第二向量集中确定符合预设条件的目标向量；获取属于预设类别的待替换向量；确定待替换向量是否符合预设替换条件，如果符合，将目标向量替换为待替换向量；基于第一向量集和进行向量替换后的第二向量集，确定表征预设类别的类别向量并存储。该实施方式实现了实时地对第二向量集进行更新，使第二向量集中的向量对预设类别的代表性逐渐增强，提高生成类别向量的精确性。
-
-
-
Search Results
4
records
(took 0.024 seconds)
