[发明专利]估计模型的准确性和鲁棒性的方法及其装置

权利要求书

1.一种估计使用第一数据集训练的用于分类的模型的针对第二数据集的估计准确性的方法，其特征在于，所述方法包括：

计算表征所述第一数据集中的样本在第二数据集中出现的可能性的参数；

计算所述模型的针对所述第一数据集中的样本的准确性得分；

以所述参数为权重基于所述准确性得分计算所述模型的针对所述第一数据集中样本的加权准确性得分；以及

根据所述加权准确性得分计算所述模型的针对所述第一数据集的经调整的准确性作为所述模型的针对第二数据集的估计准确性。

2.根据权利要求1所述的方法，其中，所述参数为密度比；并且

所述密度比表示所述第二数据集中的样本的概率密度与所述第一数据集中的样本的概率密度的比。

3.根据权利要求2所述的方法，其中，基于漂移补偿网络确定所述密度比。

4.根据权利要求3所述的方法，其中，所述漂移补偿网络包括第一判别器和第二判别器；

所述第一判别器的训练条件为损失最大化；并且

所述第二判别器的训练条件为损失最小化。

5.根据权利要求4所述的方法，其中，所述漂移补偿网络还包括特征提取器；并且

以彼此对抗的方式训练所述特征提取器和所述第二判别器。

6.根据权利要求5所述的方法，其中，基于所述漂移补偿网络的第一判别器的输出确定所述密度比。

7.根据权利要求6所述的方法，其中，对于所述第一数据集中的某样本，如果所述模型的分类结果与所述某样本的标签相同，则所述准确性得分为一，否则为零。

8.根据权利要求5所述的方法，其中，所述漂移补偿网络还包括分类器；

通过最小化分类损失和第二判别损失的组合函数来更新所述分类器和所述特征提取器的参数。

9.一种估计基于第一数据集训练的用于分类的模型的鲁棒性的方法，其特征在于，所述方法包括:

计算表征所述第一数据集中的样本在第二数据集中出现的可能性的参数；

计算所述模型的针对所述第一数据集中的样本的准确性得分；

以所述参数为权重基于所述准确性得分计算所述模型的针对所述第一数据集中样本的加权准确性得分；

根据所述加权准确性得分计算所述模型的针对所述第一数据集的经调整的准确性作为所述模型的针对第二数据集的估计准确性；以及

根据所述模型的针对所述第一数据集的准确性和所述模型的针对所述第二数据集的估计准确性估计所述模型的鲁棒性。

10.一种估计使用第一数据集训练的用于分类的模型的针对第二数据集的估计准确性的装置，其特征在于，所述装置包括：

参数计算单元，被配置成计算表征所述第一数据集中的样本在第二数据集中出现的可能性的参数；

准确性得分计算单元，被配置成计算所述模型的针对所述第一数据集中的样本的准确性得分；

加权准确性得分计算单元，被配置成以所述参数为权重基于所述准确性得分计算所述模型的针对所述第一数据集中样本的加权准确性得分；以及

估计准确性计算单元，被配置成根据所述加权准确性得分计算所述模型的针对所述第一数据集的经调整的准确性作为所述模型的针对第二数据集的估计准确性。