[发明专利]模型样本的权重生成方法、装置、设备及存储介质

说明书

本发明涉及智能决策技术，揭露了一种模型样本的权重生成方法，包括：获取待训练模型和其对应的训练样本，计算通过训练样本训练待训练模型过程中的第一分析图，并根据第一分析图，计算通过训练样本训练待训练模型过程中的第二分析图；获取第一分析图和第二分析图的像素点，得到第一像素点和第二像素点，计算第一像素点和第二像素点的像素点距离；根据像素点距离，计算通过训练样本训练待训练模型的训练置信度；根据训练置信度，构建待训练模型的损失函数，根据损失函数，确定训练样本在训练待训练模型的样本权重。本发明还提出一种模型样本的权重生成装置、设备及存储介质。本发明在于生成模型样本的权重，来增加模型推理过程的可靠性。

技术领域

本发明涉及智能决策技术领域，尤其涉及一种模型样本的权重生成方法、 装置、设备及计算机可读存储介质。

背景技术

在统计学和机器学习中经常会用到损失函数来对模型的参数进行估计， 进而判断模型的学习程度，损失函数也称代价函数，是将随机事件或其有关 随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的 函数，通常作为学习准则与优化问题相联系，即通过最小化损失函数求解和 评估模型，当样本不均衡时，往往会给损失函数加上类别权重，促使损失函 数去关注那些数量少的样本，但是该方法只关注了模型的输出结果，没有关 注模型训练过程中训练样本权重的变化，使模型训练推理过程中的可靠性降低，从而导致生成样本权重的可靠性降低，因此，目前急需一种能够生成模 型样本权重的方法。

发明内容

本发明提供一种模型样本的权重生成方法、装置、设备及存储介质，其 主要目的在于生成模型样本的权重，来增加模型推理过程的可靠性。

为实现上述目的，本发明提供的一种模型样本的权重生成方法，包括：

获取待训练模型和其对应的训练样本，计算通过所述训练样本训练所述 待训练模型过程中的第一分析图，并根据所述第一分析图，计算通过所述训 练样本训练所述待训练模型过程中的第二分析图；

获取所述第一分析图和所述第二分析图的像素点，得到第一像素点和第 二像素点，计算所述第一像素点和所述第二像素点的像素点距离；

根据所述像素点距离，计算通过所述训练样本训练所述待训练模型的训 练置信度；

根据所述训练置信度，构建所述待训练模型的损失函数，根据所述损失 函数，确定所述训练样本在训练所述待训练模型的样本权重。

可选地，所述计算通过所述训练样本训练所述待训练模型过程中的第一 分析图，包括：

利用所述训练样本训练所述待训练模型，得到第一训练模型；

在所述第一训练模型的训练损失大于预设损失时，利用所述预设的 Grad-CAM算法计算所述第一训练分类模型的第一分析图。

可选地，所述利用所述预设的Grad-CAM算法计算所述第一训练分类模 型的第一分析图，包括：

利用所述预设的Grad-CAM算法中的权重函数计算所述第一训练模型在 前向传播过程中的通道权重；

获取所述第一训练模型在前向传播过程中的通道特征；

根据所述通道权重和所述通道特征，利用所述预设的Grad-CAM算 法中的分析图函数计算所述第一训练分类模型的第一分析图。

可选地，所述计算所述第一像素点和所述第二像素点的像素点距离，包 括：

将所述第一像素点和所述第二像素点进行数值转化，得到像素点数值；

将所述像素点数值按照由大到小的顺序进行排序，得到排序像素点；

利用预设的距离函数计算所述排序像素点中相邻像素点的像素点距离。