[发明专利]数据分类模型训练方法和装置

摘要

本发明公开了一种数据分类模型训练方法和装置，涉及计算机技术领域。通过先采用类别数较少、类内样本数较多的识别对象通用数据集使分类模型具有初步识别性能，然后采用类别数较多的识别对象实际数据集训练分类模型顶部若干层的参数值，使分类模型适应实际识别场景并达到收敛效果，再采用识别对象实际数据集对分类模型进行整体训练，从而使分类模型能够保证收敛、防止过拟合，确保了数据分类的性能和准确性。

主权项

一种数据分类模型训练方法，其特征在于，包括：采用识别对象通用数据集对神经网络分类模型各个层的参数值进行训练，获得第一神经网络分类模型；采用识别对象实际数据集对第一神经网络分类模型顶部若干层的参数值进行训练，获得第二神经网络分类模型；再次采用所述识别对象实际数据集对第二神经网络分类模型各个层的参数值进行训练，获得完成训练的第三神经网络分类模型；其中，识别对象通用数据集中数据的类别数量小于第一类别数量预设值、类别内的样本数量大于第一类内样本数预设值，识别对象实际数据集中数据的类别数量大于第二类别数量预设值，第一类别数量预设值小于第二类别数量预设值。