“损失函数”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果407075个，建议您升级VIP下载更多相关专利

[发明专利]一种平衡多个任务的方法及系统-CN201911139061.5有效
发明人：陈晓军;崔恒斌 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2019-11-19 - 公布日： 2022-09-23 - 主分类号： G06N20/00 文献下载
摘要：所述方法包括：获取第一任务的第一损失函数和至少一个第二任务的第二损失函数，所述第一损失函数对应主任务，所述至少一个第二损失函数对应至少一个辅任务；根据所述第一损失函数得到第一损失函数对应的第一损失函数值；根据所述第二损失函数得到第二损失函数对应的第二损失函数值；根据所述第一损失函数值和所述至少一个第二损失函数值之间的大小关系，确定至少一个平衡参数；所述至少一个平衡参数用于将所述至少一个第二损失函数和所述第一损失函数调整至同一量级；使用所述至少一个平衡参数，确定第一损失函数和至少一个第二损失函数对应的联合损失函数。
一种平衡任务方法系统

[发明专利]经由对偶分解评估损失函数或损失函数的梯度的系统和方法-CN201980044631.4在审
发明人：萨泰恩·钱德拉坎特·卡勒;丹尼尔·霍尔特曼-赖斯;桑吉夫·库马尔;闫恩旭;于信男 -专利权人：谷歌有限责任公司
申请日： 2019-06-07 - 公布日： 2021-02-12 - 主分类号： G06F17/11 文献下载
摘要：用于评估损失函数或所述损失函数的梯度的系统和方法。在一个示例实施例中，一种计算机实施的方法包括：将权重矩阵分割成多个块。所述方法包括：为所述多个块中的每一个标识分数大于第一阈值的第一标签集合。所述方法包括：基于所述评分向量的每个稀疏近似和与所述评分向量的所述稀疏近似相关联的所述校正值，来确定与所述评分函数相关联的损失或损失的梯度的近似。
经由对偶分解评估损失函数梯度系统方法

[发明专利]分类模型的训练方法、装置、电子设备以及存储介质-CN202010606425.2在审
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2020-06-29 - 公布日： 2020-11-20 - 主分类号： G06K9/62 文献下载
摘要：具体实现方案为：利用当前样本集对分类模型进行训练，分别获取分类模型的第一损失函数和第二损失函数，其中，第一损失函数为以类型为粒度的损失函数，第二损失函数为以样本为粒度的损失函数；根据第一损失函数和第二损失函数，获取分类模型的总损失函数；以及根据总损失函数对分类模型的模型参数进行更新，以对分类模型进行训练。该方法能够根据以类型为粒度的损失函数和以样本为粒度的损失函数，生成总损失函数，综合考虑了样本的类别均衡和难易均衡问题，还可根据总损失函数对分类模型进行训练，可加快分类模型的收敛速度。
分类模型训练方法装置电子设备以及存储介质

[发明专利]用于异常检测的对抗重构网络设计、训练方法及检测方法-CN202210068973.3有效
发明人：廖佳纯;牛力;沙枫;仇祎诚;宋文杰;张磊;勾鹏;唐攀攀;刘昊 -专利权人：南湖实验室
申请日： 2022-01-20 - 公布日： 2022-05-17 - 主分类号： G06F17/15 文献下载
摘要：本发明公开了一种用于异常检测的对抗重构网络设计、训练方法及检测方法，尤其涉及一种用于异常检测的可支持多段式训练的对抗重构网络损失函数设计方法，包括重构网络损失函数和判别网络损失函数，所述的重构网络损失函数包括重构损失函数和重构对抗损失函数，所述的判别网络损失函数包括真实图像判别损失函数和判别对抗损失函数，所述的重构损失函数用于评估重构网络的重构性能，真实图像判别损失函数用于评估判别网络的判别性能，所述的重构对抗损失函数和判别对抗损失函数用于重构网络和判别网络对抗训练的交互前述对抗重构网络损失函数涉及方法为多段式训练策略提供基础，使模型训练更稳定，克服对抗重构网络的对抗训练不稳定的问题，保证最终的重构网络能够高效复原正常样本，且判别网络对正常样本赋高分。
用于异常检测对抗网络设计训练方法

[发明专利]一种基于多任务损失函数的目标检测方法及系统-CN202110853572.4有效
发明人：文彬;严凡;周鹏兵;杨涛 -专利权人：北京电信易通信息技术股份有限公司
申请日： 2021-07-28 - 公布日： 2021-10-29 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于多任务损失函数的目标检测方法及系统，该方法包括：采集视频图像数据集；构建多任务损失函数，多任务损失函数包括回归损失函数和分类损失函数，回归损失函数为Balanced L1 Loss损失函数，分类损失函数为增强边缘余弦损失函数；构建基于特征金字塔网络的Faster R‑CNN网络结构；采用视频图像数据集对基于特征金字塔网络的Faster R‑CNN网络进行训练，获得目标检测模型；利用目标检测模型对待检测图像进行目标检测本发明通过构建多任务损失函数，提高了目标检测的准确性。
一种基于任务损失函数目标检测方法系统

[发明专利]使用深度学习网络学习损失函数-CN202110670934.6在审
发明人：达蒂什·达亚南·尚巴格;哈里哈兰·瑞维享卡;U·阿格拉沃尔 -专利权人：通用电气精准医疗有限责任公司
申请日： 2021-06-17 - 公布日： 2021-12-28 - 主分类号： G06T11/00 文献下载
摘要：本发明提供了用于使用DL网络学习损失函数并将这些损失函数集成到基于DL的图像转换架构中的技术。在一个实施方案中，提供了一种方法，该方法包括由操作地联接到处理器的系统促进训练第一深度学习网络以预测损失函数的损失函数度量值。该方法还包括由系统采用第一深度学习网络来预测与训练第二深度学习网络相关联的损失函数度量值以执行定义的深度学习任务。在各种实施方案中，该损失函数包括在现有深度学习包中不易实现的计算上复杂的损失函数，诸如不可微分的损失函数、特征相似性指数匹配(FSIM)损失函数、系统传递函数、视觉信息保真度(VIF)损失函数等。
使用深度学习网络损失函数

[发明专利]基于自监督模型的歌声转换方法、设备及可读存储介质-CN202111134990.4在审
发明人：张旭龙;王健宗 -专利权人：平安科技（深圳）有限公司
申请日： 2021-09-27 - 公布日： 2021-12-31 - 主分类号： G10L21/013 文献下载
摘要：本发明涉及一种人工智能技术领域，提供一种基于自监督模型的歌声转换方法、设备及可读存储介质，其中方法包括：通过自监督模型的编码器对歌声语音进行编码处理，获取歌声嵌入；根据所述歌声嵌入分别构建歌手分类损失函数和回归损失函数；根据所述歌手分类损失函数和回归损失函数，构建对抗损失函数；根据所述对抗损失函数、重构损失函数，构建最终损失函数；通过所述最终损失函数对所述自监督模型进行迭代训练，当所述最终损失函数收敛至预设范围，完成对所述自监督模型的训练
基于监督模型歌声转换方法设备可读存储介质

[发明专利]用于重识别的损失函数确定的方法及装置-CN201810783973.5有效
发明人：金昊;周啸辰 -专利权人：北京迈格威科技有限公司
申请日： 2018-07-17 - 公布日： 2022-10-18 - 主分类号： G06V20/10 文献下载
摘要：本发明提供了一种用于重识别的损失函数确定的方法及装置。该方法包括：计算相同姿态图片的第一损失函数；计算不同姿态图片的第二损失函数；根据所述第一损失函数和所述第二损失函数，得到用于重识别的损失函数。由此可见，本发明实施例在确定用于重识别的损失函数时，考虑了不同姿态的特征空间差异，兼顾了相同姿态、不同姿态的图片的特征空间来确定损失函数，能够减小由于不同姿态导致的重识别的误差，进而能够保证重识别的精度
用于识别损失函数确定方法装置

[发明专利]显示方法、装置、电子设备和可读存储介质-CN202310556759.7在审
发明人：陈峥 -专利权人：维沃移动通信有限公司
申请日： 2023-05-17 - 公布日： 2023-08-15 - 主分类号： G06F9/451 文献下载
摘要：显示方法，包括：获取控件的尺寸参数；根据显示界面中显示的界面元素的关联损失函数，确定避让性损失函数；根据尺寸参数、避让性损失函数、易用性损失函数和偏好性损失函数，确定目标函数，其中，易用性损失函数与显示界面的界面显示模式相关联，偏好性损失函数与控件的位置调整记录相关联；根据目标函数，将控件显示在显示界面中的第一显示区域。
显示方法装置电子设备可读存储介质

[发明专利]一种基于几何位置关系损失函数的虹膜分割方法-CN202011535984.5有效
发明人：刘中秋;张伟;陈高曙 -专利权人：浙江中正智能科技有限公司
申请日： 2020-12-23 - 公布日： 2022-09-13 - 主分类号： G06V40/18 文献下载
摘要：本发明提供了一种基于几何位置关系损失函数的虹膜分割方法，采用三分类思想进行虹膜分割，重点在于提供了由交叉熵损失函数、交并比损失函数、损失矫正函数三部分构成的损失函数Loss用于虹膜分割神经网络模型的训练，其中损失矫正函数利用瞳孔和虹膜之间的几何关系进行损失函数矫正，有效规避虹膜分割过程中孤立点或块的产生，提升虹膜的分割精度和处理速度。
一种基于几何位置关系损失函数虹膜分割方法

[发明专利]模型训练方法、用户识别方法、系统、设备及介质-CN202110641691.3在审
发明人：任君;罗超;邹宇;李巍;严丽 -专利权人：携程旅游信息技术（上海）有限公司
申请日： 2021-06-09 - 公布日： 2021-08-31 - 主分类号： G10L17/04 文献下载
摘要：本发明公开了一种模型训练方法、用户识别方法、系统、设备及介质，该模型训练方法包括：获取训练样本中的多个音频数据；设置神经网络模型训练时所使用的损失函数；基于每个音频数据以及损失函数对神经网络模型进行模型训练，以得到声纹识别模型；损失函数包括第一损失函数和第二损失函数。本发明利用获取的多个音频数据以及损失函数对神经网络模型进行模型训练，以得到声纹识别模型，损失函数包括第一损失函数和第二损失函数，实现了基于第一损失函数和第二损失函数相结合对神经网络模型进行模型训练，提升了声纹识别模型的辨别度和性能
模型训练方法用户识别系统设备介质

[发明专利]一种基于两阶段的噪声鲁棒行人重识别方法-CN202111304590.3有效
发明人：刘敏;孙烨清;王飞;边远;王学平;王耀南 -专利权人：湖南大学
申请日： 2021-11-05 - 公布日： 2023-01-24 - 主分类号： G06V40/10 文献下载
摘要：本发明公开一种基于两阶段的噪声鲁棒行人重识别方法，包括步骤：输入带标签噪声的训练集；第一阶段：根据训练集的给定标签计算网络模型的交叉熵损失函数；根据预测标签计算标签调整正则化损失函数；计算纯样本损失函数；整合三项损失函数，得到自调整策略损失函数并分别训练两个不同的网络模型；第二阶段：更新可靠的预测标签集得到修正的交叉熵损失函数；计算对称的相对熵损失函数；寻找可靠三元组，计算噪声鲁棒的三元组损失函数；联合三项损失函数，得到网络模型的第二阶段总损失函数，并协同监督两个网络模型的学习，通过联合所有损失函数对两个网络模型进行迭代更新；测试性能，在含有噪声标签的设定下达到鲁棒性极好的行人重识别目的。
一种基于阶段噪声行人识别方法

[发明专利]一种构造逆标签及其损失函数的方法-CN201911052653.3在审
发明人：宋艳枝;杜叶倩 -专利权人：合肥黎曼信息科技有限公司
申请日： 2019-10-31 - 公布日： 2020-02-21 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种构造逆标签及其损失函数的方法，包括如下步骤：类别标签分别用one‑hot编码产生标准标签向量和用自定义编码产生逆标签向量；构造逆标签损失函数；将逆标签损失函数用于训练：设定逆标签损失函数的参数k，将参数k代入逆标签损失函数，并将逆标签损失函数代入实际应用场景，获得模型；练模型并检验效果。本发明提供的一构造逆标签及其损失函数的方法，通过对样本赋予逆标签，对标签信息进行了更为丰富发掘与利用，并设计相应的损失函数，与常规损失函数相结合，使得训练过程不仅产生标签位置的负的梯度，也产生非标签位置的正的梯度，达到增强原有损失训练能力、提升模型分类性能的效果。
一种构造标签及其损失函数方法

[发明专利]一种车辆检测训练中网络结构的设计方法-CN202010400154.5在审
发明人：田凤彬;于晓静 -专利权人：北京君正集成电路股份有限公司
申请日： 2020-05-13 - 公布日： 2021-11-19 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种车辆检测训练中网络结构的设计方法，所述方法包括以下步骤：S1，设计损失函数，进行损失函数的计算：S1.1，采用二级损失函数进行训练，通过交叉熵计算第一级损失值，第一级损失函数使用目标四分类和坐标两点四值的微调；通过对数似然函数计算第二级分类中的损失函数值，第二级损失函数使用判断是否为目标的二分类和坐标两点四值的微调；S1.2，通过2‑范数计算微调中的损失值；S1.3，计算整个二级网络的损失函数时，第一级损失值占0.65，第二级分类中的损失函数值占0.35；每级中，分类损失值占0.4，坐标微调损失值占0.6；S2，设计与二级损失函数对应的网络结构：S2.1，第一级网络；S2.2，第二级网络。
一种车辆检测训练网络结构设计方法

[发明专利]图像生成模型的训练方法、图像生成方法及装置-CN201911210676.2在审
发明人：张知行 -专利权人：北京达佳互联信息技术有限公司
申请日： 2019-11-29 - 公布日： 2020-04-21 - 主分类号： G06T3/00 文献下载
摘要：本公开关于图像生成模型的训练方法、图像生成方法及装置，该训练方法包括：获取训练样本图像和目标生成图像；将训练样本图像输入图像生成模型的生成器输出训练结果图像，根据目标生成图像、训练结果图像和损失函数阈值确定辅助损失函数；根据图像生成模型的优化损失函数、辅助损失函数和辅助损失函数的权重得到生成器的最终损失函数；根据最终损失函数对生成器进行训练，直至满足收敛条件。本公开选择最小化绝对误差损失函数或最小化平方误差损失函数作为辅助损失函数，既可以实现像素值差别较小的像素点的梯度得到稳定保证，又可以实现像素值差别较大的像素点具有更大的梯度，提升图像生成模型的图像处理效果
图像生成模型训练方法装置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条