[發明專利]一種圖像處理模型、機器學習模型的訓練方法及裝置在審
| 申請號: | 202011279492.4 | 申請日: | 2020-11-16 |
| 公開(公告)號: | CN112257670A | 公開(公告)日: | 2021-01-22 |
| 發明(設計)人: | 孟強;徐霞清;周峰 | 申請(專利權)人: | 北京愛筆科技有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/62;G06N20/00 |
| 代理公司: | 北京集佳知識產權代理有限公司 11227 | 代理人: | 張建 |
| 地址: | 100094 北京市海淀區北清路*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 圖像 處理 模型 機器 學習 訓練 方法 裝置 | ||
1.一種圖像處理模型的訓練方法,其特征在于,所述圖像處理模型的訓練樣本集包括第一訓練樣本集和第二訓練樣本集,所述方法包括:
根據所述第一訓練樣本集中第一類別的訓練樣本的圖像特征與所述第二訓練樣本集中至少部分訓練樣本的圖像特征的相似度,為目標訓練樣本設置與所述相似度匹配的樣本關系標識,所述目標訓練樣本為所述至少部分訓練樣本中的樣本,所述樣本關系標識用于表征兩個不同的訓練樣本集中的訓練樣本的樣本關系;
至少使用帶有所述樣本關系標識的所述目標訓練樣本對所述圖像處理模型進行訓練。
2.根據權利要求1所述的方法,其特征在于,所述樣本關系標識包括第一標識和/或第二標識,所述第一標識用于指示所述目標訓練樣本為所述第一類別的訓練樣本的負樣本,所述第二標識用于指示所述目標訓練樣本為所述第一類別的訓練樣本的正樣本。
3.根據權利要求2所述的方法,其特征在于,當所述相似度小于第一預設閾值時,所述與所述相似度匹配的樣本關系標識為所述第一標識;
當所述相似度不小于第二預設閾值時,所述與所述相似度匹配的樣本關系標識為所述第二標識。
4.根據權利要求1所述的方法,其特征在于,在至少使用帶有所述樣本關系標識的所述目標訓練樣本對所述圖像處理模型進行訓練之前的所述圖像處理模型為:已使用所述第一訓練樣本集訓練過的模型;
或者,在至少使用帶有所述樣本關系標識的所述目標訓練樣本對所述圖像處理模型進行訓練之前的所述圖像處理模型為:已使用所述第一訓練樣本集和所述第二訓練樣本集訓練過的模型。
5.根據權利要求1所述的方法,其特征在于,所述第一訓練樣本集包括第一時間范圍內采集的人臉圖像,所述第二訓練樣本集包括第二時間范圍內采集的人臉圖像。
6.根據權利要求1所述的方法,其特征在于,所述方法還包括:
根據所述圖像處理模型的已訓練次數調整所要添加所述樣本關系標識的目標訓練樣本的數量。
7.根據權利要求3所述的方法,其特征在于,所述方法還包括:
根據所述圖像處理模型的已訓練次數調整所述第一預設閾值的取值和/或所述第二預設閾值的取值。
8.一種機器學習模型的訓練方法,其特征在于,所述機器學習模型的訓練樣本集包括第一訓練樣本集和第二訓練樣本集,所述方法包括:
根據所述第一訓練樣本集中第一類別的訓練樣本的樣本特征與所述第二訓練樣本集中至少部分訓練樣本的樣本特征的相似度,為目標訓練樣本設置與所述相似度匹配的樣本關系標識,所述樣本關系標識用于表征兩個不同的訓練樣本集中的訓練樣本的樣本關系,所述目標訓練樣本為所述至少部分訓練樣本中的樣本;
至少使用帶有所述樣本關系標識的所述目標訓練樣本對所述機器學習模型進行訓練。
9.一種圖像處理模型的訓練裝置,其特征在于,所述圖像處理模型的訓練樣本集包括第一訓練樣本集和第二訓練樣本集,所述裝置包括:標識設置單元和模型訓練單元,其中:
所述標識設置單元,被配置為執行:根據所述第一訓練樣本集中第一類別的訓練樣本的圖像特征與所述第二訓練樣本集中至少部分訓練樣本的圖像特征的相似度,為目標訓練樣本設置與所述相似度匹配的樣本關系標識,所述目標訓練樣本為所述至少部分訓練樣本中的樣本,所述樣本關系標識用于表征兩個不同的訓練樣本集中的訓練樣本的樣本關系;
所述模型訓練單元,被配置為執行:至少使用帶有所述樣本關系標識的所述目標訓練樣本對所述圖像處理模型進行訓練。
10.一種機器學習模型的訓練裝置,其特征在于,所述機器學習模型的訓練樣本集包括第一訓練樣本集和第二訓練樣本集,所述裝置包括:第二設置單元和第二訓練單元,其中:
所述第二設置單元,被配置為執行:根據所述第一訓練樣本集中第一類別的訓練樣本的樣本特征與所述第二訓練樣本集中至少部分訓練樣本的樣本特征的相似度,為目標訓練樣本設置與所述相似度匹配的樣本關系標識,所述樣本關系標識用于表征兩個不同的訓練樣本集中的訓練樣本的樣本關系,所述目標訓練樣本為所述至少部分訓練樣本中的樣本;
所述第二訓練單元,被配置為執行:至少使用帶有所述樣本關系標識的所述目標訓練樣本對所述機器學習模型進行訓練。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京愛筆科技有限公司,未經北京愛筆科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.17sss.com.cn/pat/books/202011279492.4/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種鋼筋籠結構及其安裝方法
- 下一篇:一種巷道采礦用可拖掛裝載機
- 彩色圖像和單色圖像的圖像處理
- 圖像編碼/圖像解碼方法以及圖像編碼/圖像解碼裝置
- 圖像處理裝置、圖像形成裝置、圖像讀取裝置、圖像處理方法
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序以及圖像解碼程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序、以及圖像解碼程序
- 圖像形成設備、圖像形成系統和圖像形成方法
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序





