申请/专利权人:华为技术有限公司
申请日:2021-08-17
公开(公告)日:2024-06-14
公开(公告)号:CN113807183B
主分类号:G06V10/771
分类号:G06V10/771;G06V10/774;G06V20/64;G06V10/82;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.06.14#授权;2022.01.04#实质审查的生效;2021.12.17#公开
摘要:本申请提供了一种模型训练方法及相关设备。涉及人工智能领域,具体涉及计算机视觉领域。该方法包括:利用第二图像训练反事实特征生成器,利用特征提取器对第一图像进行特征提取以得到提取特征向量;利用反事实特征生成器对第一图像的真实标签和第一随机噪声向量进行处理得到训练对象的反事实特征向量;利用预测器对提取特征向量和反事实特征向量进行处理得到第一图像的预测标签;根据第一图像的真实标签、预测标签、提取特征向量和反事实特征向量调整神经网络模型的网络参数,以得到领域迁移后的神经网络模型。利用反事实特征向量干预源领域数据集的训练过程,使训练后的特征提取器更关注训练对象的内容特征,提升模型在跨领域场景下的泛化性能。
主权项:1.一种模型训练方法,其特征在于,包括以下步骤:获取源领域数据集,所述源领域数据集用于预训练神经网络模型,所述神经网络模型包括特征提取器和预测器,所述源领域数据集包括第一图像和所述第一图像中训练对象的真实标签;利用所述特征提取器对所述第一图像进行特征提取,以获得所述训练对象的提取特征向量;利用反事实特征生成器对所述第一图像对应的真实标签和第一随机噪声向量进行处理,以得到所述第一图像的反事实特征向量;其中,所述反事实特征生成器为利用迁移领域数据集的第二图像训练得到的,所述第二图像包括所述训练对象;利用所述预测器对所述提取特征向量和所述反事实特征向量进行处理,以得到所述第一图像中训练对象的预测标签;根据所述第一图像对应的真实标签、所述预测标签、所述提取特征向量和所述反事实特征向量调整所述特征提取器和所述预测器的网络参数,以得到领域迁移后的神经网络模型。
全文数据:
权利要求:
百度查询: 华为技术有限公司 模型训练方法及相关设备
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。