“训练子集”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364438个，建议您升级VIP下载更多相关专利

[发明专利]基于匹配追踪选择集成的极化SAR图像分类方法-CN201410468698.X在审
发明人：焦李成;陈博;王爽;马文萍;刘红英;熊涛;杨淑媛;侯彪 -专利权人：西安电子科技大学
申请日： 2014-09-15 - 公布日： 2014-12-17 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于匹配追踪选择集成的极化SAR图像分类方法，主要解决现有技术训练样本选择难，运算复杂度高的问题。其实现步骤是：1.极化SAR图像输入，并进行特征提取；2.从提取特征后的极化SAR图像每一类中选取已知类别的样本组成训练样本集，并对训练样本集进行随机划分，形成多个训练样本子集；3.通过分类算法对每个样本子集进行学习得到预测类别；4.基于每个训练样本子集的预测类别和已知类别得到相应的系数，将对应0系数的训练样本子集删除；5.用权值系数将所得预测类别进行加权合得到最终的分类结果。
基于匹配追踪选择集成极化 sar 图像分类方法

[发明专利]基于渐进学习的深度卷积神经网络训练方法与系统-CN201910665020.3在审
发明人：卢官明;李凯丽;卢峻禾;闫静杰 -专利权人：南京邮电大学
申请日： 2019-07-23 - 公布日： 2019-11-05 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于渐进学习的深度卷积神经网络训练方法与系统。该方法首先按常规方法从样本数据集里任意选取样本，对深度卷积神经网络进行预训练；然后将样本数据集里的样本按类别依次输入到预训练得到的网络模型中提取特征，并根据提取的特征向量计算样本的类内局部密集度和类内距离，使用聚类方法将每一类样本划分为容易分类、较易分类和不易分类三个样本子集；再合并所有类别的容易分类样本子集、较易分类样本子集和不易分类样本子集；最后按照先易后难的渐进顺序，分三个阶段对深度卷积神经网络进行重新训练与常规的训练方法相比，该方法能够消除含噪声标签样本对训练网络模型的不利影响，得到更加鲁棒的深度卷积神经网络。
卷积神经网络样本分类样本渐进子集样本数据分类特征向量计算训练网络模型类内距离提取特征网络模型样本子集常规的密集度聚类鲁棒噪声标签合并学习

[发明专利]图像分割模型的训练方法、装置、电子设备及存储介质-CN202210282010.3有效
发明人：马璐;李小星;丁佳;吕晨翀 -专利权人：北京医准智能科技有限公司
申请日： 2022-03-21 - 公布日： 2022-11-08 - 主分类号： G06V10/26 文献下载
摘要：本公开提供了图像分割模型的训练方法，方法包括：基于第一编码子网络和解码子网络，确定第一训练子集中的第一标注样本图像对应的第一标注预测图像；基于第一编码子网络、第二编码子网络和变换子网络，确定第一训练子集中全部样本图像对应的空间特征向量；基于第一标注样本图像对应的第一标注图像和第一标注预测图像确定图像分割模型的第一子损失值；基于第一训练子集中全部样本图像对应的空间特征向量确定图像分割模型的第二子损失值；基于图像分割模型的第一子损失值和第二子损失值，训练图像分割模型；其中，第一训练子集中包括至少一组样本图像对，每一组样本图像对包括从同一视频中获取的标注样本图像和非标样本图像。
图像分割模型训练方法装置电子设备存储介质

[发明专利]特定领域的语音识别模型的构建方法-CN202010413228.9有效
发明人：刘利平;张欣;孔卫东 -专利权人：北京青牛技术股份有限公司
申请日： 2020-05-15 - 公布日： 2023-05-05 - 主分类号： G10L15/06 文献下载
摘要：本发明提供了一种特定领域的语音识别模型的构建方法，该方法包括：S1.将特定领域的音频数据进行文本转录，以构建所述音频数据及其对应的转录文本组成的训练集；S2.将所述训练集输入一现有的语音识别模型，对所述语音识别模型执行针对所述特定领域的迁移学习训练；S3.选择所述训练集的一个子集，将所述子集输入所述语音识别模型进行语音识别测试；S4.校准所述语音识别测试的输出结果，根据校准后的输出结果更新所述子集，将所述子集输入所述语音识别模型，对所述语音模型执行迭代训练；S5.利用根据所述训练集生成的语言模型，对所述语音识别模型进行超参数调整处理，获得特定领域的语音识别模型。
特定领域语音识别模型构建方法

[发明专利]一种训练模型的方法及装置-CN201811314282.7在审
发明人：张惠亮;刘胜;吴锋海 -专利权人：联动优势科技有限公司
申请日： 2018-11-06 - 公布日： 2019-03-29 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例公开了一种训练模型的方法及装置，其中方法包括：通过从区块链系统中确定第一数据子集所在的M个计算节点，客户端设备可以从M个计算节点中选择K个计算节点进行模型训练，并获取K个计算节点中的P个计算节点的训练结果；进一步地，客户端设备可以根据Y个数据子集中每个数据子集的训练结果，得到模型参数。本申请实施例中，通过采用区块链系统中的计算节点训练模型，可以无需构建专属的机器学习算法群，从而可以节省成本，减少社会资源的浪费；且，通过选择区块链系统中具有较强存储和处理能力的计算节点运行算法，可以提高模型的训练效率，进而得到较好的模型训练效果。
计算节点训练模型链系统区块客户端设备模型训练训练结果机器学习算法存储和处理第一数据模型参数社会资源数据子集训练效率构建算法子集申请

[发明专利]车牌识别模型的训练方法、车牌识别方法和装置-CN201811184621.4在审
发明人：钱华;程战战;曹为华;胡永盛 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2018-10-11 - 公布日： 2020-04-21 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种车牌识别模型的训练方法、车牌识别方法和装置。本申请提供的车牌识别模型的训练方法，包括：构建训练样本集；其中，所述训练样本集包括多个样本子集，每个样本子集中的各个车牌样本所属的车牌类型相同；所述车牌样本包括预先采集到的原始车牌样本和对所述原始车牌样本扩增后得到的扩增车牌样本；从每个所述样本子集中选择目标数量个车牌样本，并利用选择好的车牌样本训练预先构建的车牌识别模型，直至所述车牌识别模型收敛。本申请提供的车牌识别模型的训练方法、车牌识别方法和装置，可提高训练好的车牌识别模型的泛化程序，提高其识别准确率。
车牌识别模型训练方法装置

[发明专利]数据集处理方法及装置、模型训练及验证方法、存储介质-CN202210104566.3在审
发明人：屠要峰;高洪;孙文卿;周祥生;董修岗;黄圣君;潘杰 -专利权人：中兴通讯股份有限公司;南京航空航天大学
申请日： 2022-01-28 - 公布日： 2022-03-01 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及大数据领域，公开了一种数据集处理方法及装置、模型训练及验证方法、存储介质。其中，模型训练方法，包括：使用训练样本子集对分类模型进行模型训练，使用验证样本子集获取训练后的分类模型的模型状态；根据模型状态、利用预设强化学习模型提供查询策略，根据查询策略、利用预先建立的主动学习框架从未标注样本集中选取至少一个未标注样本作为目标样本；接收添加标注后的目标样本，将目标样本移出未标注样本集、并将添加标注后的目标样本加入训练样本子集。与现有技术相比，本发明实施方式所提供的数据集处理方法及装置、模型训练及验证方法、存储介质具有提升标注资源利用效率的优点。
数据处理方法装置模型训练验证存储介质

[发明专利]一种基于自适应策略的含噪数据异常检测方法-CN202310514331.6在审
发明人：付兵非;王强;罗浩;江龙;雷亚州;宋超锋;韩兴震;张新伟 -专利权人：河南晶锐冷却技术股份有限公司
申请日： 2023-05-05 - 公布日： 2023-08-29 - 主分类号： G06F18/2415 文献下载
摘要：本发明涉及一种基于自适应策略的含噪数据异常检测方法，包括以下步骤：获得振动信号，构建数据样本；进行训练集、测试集划分；从训练集无标签数据集中随机采样K个样本生成无标签子集Ut，合并正例集合P和无标签子集Ut当做训练子集D；使用网格搜索算法寻找最优初始模型参数，根据结果设置批处理大小、学习率、迭代次数N；训练集对神经网络进行训练，通过FCN模型提取频域特征信息、LSTM模块学习时序关系状态特征，对训练集无标签数据预测类别除以n取得最终预测结果，计算评价指标，输出训练集计算结果。
一种基于自适应策略数据异常检测方法

[发明专利]视网膜病变评估模型建立方法及系统-CN201910885097.1在审
发明人：黄宗祺;廖英凯;蔡宜佑;吴亚伦 -专利权人：长佳智能股份有限公司
申请日： 2019-09-19 - 公布日： 2021-02-12 - 主分类号： G06T7/70 文献下载
摘要：一种视网膜病变评估模型建立方法，视网膜病变评估模型建立系统将所存储的多张视网膜图像进行图像校正，以获得多张校正后图像，每一视网膜图像对应病变严重程度等级，并将所述校正后图像分群成训练子集、验证子集，及测试子集，再根据所述训练子集中的每一校正后图像及其对应的病变严重程度等级，与所述验证子集中的每一校正后图像及其对应的病变严重程度等级，建立视网膜病变评估模型，最后根据所述测试子集检测所述视网膜病变评估模型的准确率
视网膜病变评估模型建立方法系统

[发明专利]一种基于任务驱动的图像预处理算法评估方法-CN202011560006.6在审
发明人：孟令中;薛云志;王鹏淇;董乾;武斌;杨光;师源 -专利权人：中国科学院软件研究所
申请日： 2020-12-25 - 公布日： 2021-04-06 - 主分类号： G06T1/00 文献下载
摘要：本发明公开了一种基于任务驱动的图像预处理算法评估方法，其步骤包括：1)根据设置的视觉处理任务，选择对应评估指标，并构造该视觉处理任务相应的测试数据集；所述测试数据集包括基准测试子集以及不同条件的测试子集；2)在基准测试子集上分别对各所选视觉处理任务模型进行训练，得到训练好的视觉处理任务模型；3)选取多种被评估的图像预处理算法，分别对同一条件的测试子集进行图像预处理；4)使用训练好的视觉处理任务模型，对预处理前后的同一条件的测试子集进行视觉处理任务并进行评估；5)通过对比各训练好的视觉处理任务模型对图像预处理前后的视觉处理任务的评估指标，得到同一条件下各图像预处理算法的评估结果。
一种基于任务驱动图像预处理算法评估方法

[发明专利]一种基于迁移学习的空域运行态势计算方法-CN201711071217.1有效
发明人：曹先彬;杜文博;朱熙;李宇萌 -专利权人：北京航空航天大学
申请日： 2017-11-03 - 公布日： 2019-05-28 - 主分类号： G06K9/62 文献下载
摘要：首先收集目标扇区及其它非目标扇区的空域运行态势样本，基于因子子集生成对训练样本集降维分解，使用降维的样本子集训练基分类器；在使用非目标扇区样本子集训练时，先进行核转换，使转换后的非目标扇区样本子集在保留态势计算知识的前提下，最小化与对应目标扇区样本子集的样本分布差异；科学集成所有基分类器，针对每条测试样本分别计算各基分类器的分类置信度，进而加权各基分类器输出得到最后分类结果。本发明实现了对目标空域有限样本中知识的充分挖掘，且对非目标空域的样本进行了有效知识迁移，降低了模型训练对于大样本的依赖性，在样本缺乏的情况下也能较好计算目标空域运行态势。
一种基于迁移学习空域运行态势计算方法

[发明专利]基于注意力机制的半监督OCT图像去噪方法及装置-CN202210513472.1在审
发明人：袁进;肖鹏;陈钰培;段铮昱 -专利权人：中山大学中山眼科中心
申请日： 2022-05-12 - 公布日： 2022-08-23 - 主分类号： G06T5/00 文献下载
摘要：本公开描述了一种基于注意力机制的半监督OCT图像去噪方法及装置，该方法中，去噪网络包括第一网络和具有注意力机制的第二网络，在训练中，获取与第一网络对应的分别针对无标签的第一子集和有标签的第二子集的第一预测集和第二预测集、以及与第二网络对应的分别针对第一子集和第二子集的第三预测集和第四预测集，基于第一子集和第三预测集、以及基于第二子集和第二预测集分别确定第一网络的两个损失函数，基于第一子集和第一预测集、以及基于第二子集和第四预测集分别确定第二网络的两个损失函数，利用上述损失函数训练去噪网络以获得用于对OCT图像进行去噪的经训练网络。
基于注意力机制监督 oct 图像方法装置

[发明专利]利用先前交易的交易后数据以允许使用近期交易数据的技术-CN201980102321.3在审
发明人：林鹰;张家琪;王真;莫文凯 -专利权人：贝宝公司
申请日： 2019-11-20 - 公布日： 2022-07-12 - 主分类号： G06N5/04 文献下载
摘要：在一些实施例中，计算机系统基于已生成训练标签的第一组交易的交易前数据和交易后数据来训练初始交易分类器。计算机系统可以将未生成训练标签的第二组交易的交易前数据和交易后数据输入到经训练的初始交易分类器。经训练的初始交易分类器可以基于输入来生成分类器输出。计算机系统可以选择分类器输出满足置信度阈值的第二组交易的子集，并且可以基于分类器输出来生成所选子集中的交易的训练标签。在一些实施例中，计算机系统基于子集的交易前数据和生成的训练标签来训练第二交易分类器，并且存储用于经训练的第二交易分类器的配置参数。
利用先前交易据以允许使用近期数据技术

[发明专利]一种融合多种表征平衡策略的室内场景视觉识别方法及系统-CN202310157638.5在审
发明人：张宁;董乐;赵浩然 -专利权人：电子科技大学
申请日： 2023-02-23 - 公布日： 2023-05-23 - 主分类号： G06V20/00 文献下载
摘要：本发明公开了一种融合多种表征平衡策略的室内场景视觉识别方法及系统，包括：使用预热好的模型计算长尾训练集中每个类别的类别中心；通过不同的重采样策略构建多个具有不同特征分布的训练子集；结合自定义的损失函数，使用所述训练子集对预热后的模型进行训练直至损失函数收敛，让模型倾向于学习到在各个训练子集间平衡的特征；处理训练集中类别内部的特征不平衡问题。同时在分类器上施加正则项来调整头尾部类的权重差异，当所述损失函数收敛到一定程度后得到训练好的模型，减少训练集中因为类别样本的不均衡造成的分类器上各类别权重的不平衡。本发明同时解决类别样本不均衡和类别内样本的非类别属性的不平衡给模型训练带来的问题。
一种融合多种表征平衡策略室内场景视觉识别方法系统

[发明专利]一种基于机器学习的网络终端设备识别方法及系统-CN201811417265.6有效
发明人：石志凯;张傲;邹素雯 -专利权人：武汉烽火信息集成技术有限公司
申请日： 2018-11-26 - 公布日： 2020-10-23 - 主分类号： H04L12/26 文献下载
摘要：本发明公开了一种基于机器学习的网络终端设备识别方法及系统，涉及通信网络技术领域，该方法包括采集目标区域的流量并解析，得到目标区域中每个IP所产生的流量，将每个IP所产生的流量作为子集，记入第一集合；建立用于记录设备流量特征的匹配库，匹配库中的每个设备依次与第一集合中每个子集的流量进行匹配，匹配成功的子集记入第二集合，未匹配成功的子集记入第三集合；提取第二集合中每个子集对应流量的特征字段作为训练集，对机器学习分类器进行训练；使用训练完成后的机器学习分类器对第三集合中每个子集的流量进行识别，得到第三集合中每个子集对应的设备。
一种基于机器学习网络终端设备识别方法系统