申请/专利权人:绍兴市北大信息技术科创中心
申请日:2023-10-16
公开(公告)日:2024-06-25
公开(公告)号:CN118247628A
主分类号:G06V10/82
分类号:G06V10/82;G06V10/774;G06V10/764;G06V10/44;G06N3/0464;G06N3/045;G06N3/0495;G06N3/084
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明提出了一种基于困难样本的无数据模型量化方法、系统和装置,包括,采样噪声并设定其伪标签,将带伪标签的噪声输入全精度模型,利用损失函数匹配分布信息以及赋予分类信息,通过最小化损失函数迭代优化噪声,得到生成样本,对全精度模型进行量化,获取量化模型,将生成样本输入全精度模型和量化模型进行训练,通过最小化训练损失增强生成样本的难度,获得增强样本,将增强样本输入全精度模型和量化模型进行训练,通过最小化训练损失更新量化模型。
主权项:1.一种基于困难样本的无数据模型量化方法,其特征在于,包括:步骤1,采样噪声并设定其伪标签,将带伪标签的噪声输入全精度模型,利用损失函数匹配分布信息以及赋予分类信息,通过最小化损失函数迭代优化噪声,得到生成样本;步骤2,对全精度模型进行量化,获取量化模型;步骤3,将生成样本输入全精度模型和量化模型进行训练,通过最小化训练损失增强生成样本的难度,获得增强样本;步骤4,将增强样本输入全精度模型和量化模型进行训练,通过最小化训练损失更新量化模型。
全文数据:
权利要求:
百度查询: 绍兴市北大信息技术科创中心 一种基于困难样本的无数据模型量化方法、系统和装置
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。