[发明专利]模型训练方法及装置

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取源领域深度学习模型；

获取目标领域的训练数据；

利用所述目标领域的训练数据，调整所述源领域深度学习模型的权重参数，获得目标领域深度学习模型；

利用所述目标领域深度学习模型，提取所述训练数据的数据特征；

利用所述数据特征训练K最近邻分类模型，获得识别模型。

2.根据权利要求1所述的方法，其特征在于，所述利用所述数据特征训练K最近邻分类模型，获得识别模型包括：

将所述数据特征进行特征降维，获得低维度特征；

利用所述低维度特征训练K最近邻分类模型，获得识别模型。

3.根据权利要求1所述的方法，其特征在于，所述利用所述目标领域的训练数据，调整所述源领域深度学习模型的权重参数，获得目标领域深度学习模型包括：

将所述源领域深度学习模型的权重参数作为初始参数；

设定低于预设率的学习率；

利用所述目标领域的训练数据以及所述学习率，调整所述源领域深度学习模型的权重参数，获得目标领域深度学习模型。

4.根据权利要求3所述的方法，其特征在于，所述利用所述目标领域的训练数据以及所述学习率，调整所述源领域深度学习模型的权重参数，获得目标领域深度学习模型包括：

利用所述目标领域的训练数据以及所述学习率，按照小于预设次数的调整次数，重复调整所述源领域深度学习模型的权重参数，获得目标领域深度学习模型。

5.根据权利要求1所述的方法，其特征在于，所述获取源领域深度学习模型包括：

获取与目标领域类别匹配的源领域深度学习模型。

6.一种模型训练装置，其特征在于，包括：

获取模型模块，用于获取源领域深度学习模型；

获取数据模块，用于获取目标领域的训练数据；

学习模型训练模块，用于利用所述目标领域的训练数据，调整所述源领域深度学习模型的权重参数，获得目标领域深度学习模型；

特征提取模块。用于利用所述目标领域深度学习模型，提取所述训练数据的数据特征；

识别模型训练模块，用于利用所述数据特征训练K最近邻分类模型，获得识别模型。

7.根据权利要求6所述的装置，其特征在于，所述识别模型训练模块包括：

降维单元，用于将所述数据特征进行特征降维，获得低维度特征；

识别模型训练单元，用于利用所述低维度特征训练K最近邻分类模型，获得识别模型。

8.根据权利要求6所述的装置，其特征在于，所述学习模型训练模块包括：

参数设置单元，用于将所述源领域深度学习模型的权重参数作为初始参数，并设定低于预设率的学习率；

学习模型训练单元，用于利用所述目标领域的训练数据以及所述学习率，调整所述源领域深度学习模型的权重参数，获得目标领域深度学习模型。

9.根据权利要求8所述的装置，其特征在于，学习模型训练单元具体用于利用所述目标领域的训练数据以及所述学习率，按照小于预设次数的调整次数，重复调整所述源领域深度学习模型的权重参数，获得目标领域深度学习模型。

10.根据权利要求6所述的装置，其特征在于，所述获取模型模块具体用于获取与目标领域类别匹配的源领域深度学习模型。