“迭代训练”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396437个，建议您升级VIP下载更多相关专利

[发明专利]一种图像目标检测模型训练方法、装置、设备及存储介质-CN202211200016.8在审
发明人：张雪飞;吕杨苗;胡光辉;郭腾飞;廖艺;张翼飞;冯伟;程昱 -专利权人：河南中原消费金融股份有限公司
申请日： 2022-09-29 - 公布日： 2022-12-02 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种图像目标检测模型训练方法、装置、设备及存储介质，应用于目标检测领域，包括：获取原始数据，获取生成数据中遮挡面积达到预设遮挡阈值的数据，得到生成训练数据，不断使用基础目标检测模型对生成训练数据和原始数据进行内循环训练；获取混合数据对基础检测模型进行迭外循环迭代训练，当使用混合数据进行训练时的Loss3在连续预设次数内不发生改变时，停止内外循环的迭代训练，得到图像目标检测模型本发明通过计算机技术生成大量生成数据，并利用基础模型对获取的原始数据、生成数据和混合数据进行内外循环训练，极大地降低了数据收集时间成本，并且由于存在内外循环迭代，使得到的图像目标检测训练模型可以更加准确的识别目标物品
一种图像目标检测模型训练方法装置设备存储介质

[发明专利]融合迭代式主动学习的生物医学关系抽取方法及系统-CN202310052151.0在审
发明人：周雪忠;苏鑫;杨扩 -专利权人：北京交通大学
申请日： 2023-02-02 - 公布日： 2023-05-05 - 主分类号： G06N5/025 文献下载
摘要：本发明提供一种融合迭代式主动学习的生物医学关系抽取方法及系统，属于医学信息处理技术领域，从PubMed等生物医学文献库中获取用于关系抽取的标准数据集；结合主动学习算法筛选出有价值的样本对模型进行训练；利用训练好的关系抽取模型，对待抽取的句子进行处理，得到最后的实体关系联合抽取结果，抽取出生物医学文献中的知识；其中，关系抽取模型为使用融合迭代式主动学习的生物医学关系抽取模型训练方法训练得到。本发明融合多种主动学习策略的生物医学实体关系联合抽取框架，实现迭代式的主动学习样本筛选和实体关系联合抽取模型训练，有效减少了实体关系联合抽取过程中模型训练所需要的训练集数量，提高了模型训练效率，降低了模型训练成本
融合迭代式主动学习生物医学关系抽取方法系统

[发明专利]机器学习模型的训练方法、装置、电子设备及存储介质-CN201811643490.1有效
发明人：李加利;杨晓晨;崔婷婷 -专利权人：北京城市网邻信息技术有限公司
申请日： 2018-12-29 - 公布日： 2021-02-19 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种机器学习模型的训练方法、装置、电子设备及存储介质，该方法包括：在检测到设定网站上出现设定数据类型且属于设定分类的数据时，获取该数据并保存到分类样本库中；获取机器学习模型及对应的数据类型和待训练的类别；创建机器学习模型的训练集和验证集；根据训练集，对所述机器学习模型进行并行训练；根据验证集，对训练后的机器学习模型进行并行验证，并统计验证结果，得到统计结果；在统计结果不符合迭代停止条件时，继续对机器学习模型进行迭代训练和验证，直至统计结果符合迭代停止条件，得到训练完成的机器学习模型。本发明可以实时获取数据作为样本，避免了人工处理数据导致的遗漏和失误，提高了机器学习模型的训练效率。
机器学习模型训练方法装置电子设备存储介质

[发明专利]一种基于强弱对抗训练的船舶检测模型训练方法及系统-CN202210658893.3有效
发明人：吴显德;叶海珍;邹凡;李玲飞;张进虎 -专利权人：浙江华是科技股份有限公司
申请日： 2022-06-13 - 公布日： 2022-09-09 - 主分类号： G06V10/774 文献下载
摘要：本发明公开一种基于强弱对抗训练的船舶检测模型训练方法及系统。其中，该方法通过将训练集中全部图片根据对抗系数从小到大进行排序得到正序列；以及将训练集中全部图片根据对抗系数从大到小进行排序得到倒序列；每次迭代训练集分别从正序列和倒序列中取出预设数量张图片；这样可以减少船舶检测模型训练过程中受训练集复杂程度不一，导致损失值不稳定的问题，提高模型训练速度，又可以避免一次迭代数据复杂过大或过小对反向传播造成的不良反应。通过修改损失函数，即通过对抗系数计算损失权重，根据损失权重计算迭代训练集的损失值，加大对复杂样本的学习，降低对简单样本的学习，从而实现模型减少对简单样本的误检，提高复杂样本的检出率。
一种基于强弱对抗训练船舶检测模型方法系统

[发明专利]一种深度学习模型训练方法-CN202111635664.1有效
发明人：张家兴;李鹏飞;郑海波;王昊;王瑞;吴晓均 -专利权人：粤港澳大湾区数字经济研究院（福田）
申请日： 2021-12-29 - 公布日： 2022-06-14 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种深度学习模型训练方法，包括步骤：获取第一数据集；设置所述深度学习模型的初始模型参数和训练中止条件，基于所述第一数据集对所述深度学习模型进行多次迭代训练，以初始模型参数计算每一次迭代生成的模型参数值；当满足所述训练中止条件时生成一个模型节点；保存最后一次迭代训练生成的模型参数值为所述模型节点的节点信息。本发明提供的深度学习模型训练方法，可在训练过程中形成至少两个模型节点，并保存节点信息。进一步地，可形成节点信息的展示界面，且在展示界面上提供深度学习模型训练的交互操作，使得用户在训练过程中可根据各模型节点的节点信息进行适时调整，以更快地得到最优的深度学习模型。
一种深度学习模型训练方法

[发明专利]一种特征处理方法及装置-CN202010372184.X有效
发明人：吴作鹏 -专利权人：中国银行股份有限公司
申请日： 2020-05-06 - 公布日： 2023-04-14 - 主分类号： G06F16/18 文献下载
摘要：本发明公开了一种特征处理方法及装置，基于本次特征迭代的所有待评估特征的特征组合，生成一个与特征组合唯一对应的迭代模型标识，并将该迭代模型标识作为本次特征迭代的日志文件名称，当查找到日志文件名称与迭代模型标识相同的目标日志文件时，对目标日志文件进行解析，并从解析后的目标日志文件中获取本次特征迭代的当前模型评估得分。本发明针对单次模型训练时的迭代模型标识和模型评估得分均记录在日志文件中，因此当特征迭代过程因不确定因素终止时，通过计算特征迭代终止时的迭代模型标识，就可以从以该迭代模型标识为日志文件名称的日志文件中获取相对应的模型评估得分，从而减少了模型重复训练时间的浪费，提高了特征处理效率。
一种特征处理方法装置

[发明专利]用于训练神经网络的系统和方法-CN202211188362.9在审
发明人：杨力;方俊;大卫·菲利普·劳埃德·索斯利;约瑟夫·H·哈森;哈姆扎·阿赫麦德·阿里·阿卜杜拉齐兹 -专利权人：三星电子株式会社
申请日： 2022-09-28 - 公布日： 2023-04-11 - 主分类号： G06N3/08 文献下载
摘要：一种用于训练神经网络的系统和方法。在一些实施例中，所述方法包括训练全尺寸网络和多个子网络，针对给定硬件平台，从所述多个子网络之中搜索在所述给定硬件平台的目标硬件性能约束下满足预设准确率的子网络，所述训练的步骤包括：执行有监督共同训练的多次迭代，执行每次迭代的步骤包括：共同训练全尺寸网络和所述多个子网络的子集。
用于训练神经网络系统方法

[发明专利]一种模型训练和数据处理方法、装置、设备及介质-CN202110156185.5在审
发明人：唐浩雨 -专利权人：百果园技术（新加坡）有限公司
申请日： 2021-02-04 - 公布日： 2021-05-28 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种模型训练和数据处理方法、装置、设备及介质。在对深度学习模型的训练过程中，通过预设的执行条件，确定该次迭代的深度学习模型包含的网络层中的第一目标网络层，后续通过该次迭代的深度学习模型包含的每个第一目标网络层，获取任一样本数据的第二属性信息，基于样本数据的第二属性信息以及该样本数据对应的标签，只需对该次迭代的深度学习模型包含的每个第一目标网络层进行训练即可，从而减少对该次迭代的深度学习模型中需要进行参数调整的网络层的数量，缩短反向传播的路径，从而一定程度上避免了梯度消失的现象，并且使得训练的每个网络层所执行的功能趋于相同，训练完成的深度学习模型更具鲁棒性。
一种模型训练数据处理方法装置设备介质

[发明专利]模型训练、图像处理方法、装置、电子设备及存储介质-CN201911097179.6在审
发明人：刘泽春 -专利权人：北京迈格威科技有限公司
申请日： 2019-11-11 - 公布日： 2020-03-31 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种模型训练、图像处理方法、装置、电子设备及存储介质，模型训练方法包括：获取初始网络模型和目标限定条件；在目标限定条件下，基于预设交替更新方式、初始网络模型的初始网络结构超参数和常规参数，进行网络模型的网络结构超参数和常规参数迭代更新直至均收敛，得到目标网络模型，预设交替更新方式包括：每进行S次常规参数的迭代更新，基于预设进化策略进行T次网络结构超参数的迭代更新。实施上述方法，在训练用于实现特定用途的图像处理模型时，对于网络模型中的网络结构超参数，可以基于预设进化策略进行自动地迭代更新，从而降低模型训练过程的成本，提高模型训练效率，进而降低整个图像处理过程的成本
模型训练图像处理方法装置电子设备存储介质

[发明专利]用于训练模型的方法和装置-CN202210024220.2在审
发明人：詹忆冰;梁亚倩 -专利权人：京东科技信息技术有限公司
申请日： 2022-01-04 - 公布日： 2022-04-22 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了用于训练模型的方法和装置，涉及计算机技术领域。该方法包括：获取样本数据以及初始分类模型，并通过多轮迭代操作，训练初始分类模型；迭代操作包括：获取样本数据的表征，以及基于样本数据的表征确定样本数据的特征；采用样本数据的特征，对初始分类模型进行基于对比学习的训练，得到训练后的初始分类模型输出的对比损失函数值，并根据对比损失函数值生成反馈信息，初始分类模型在执行下一次迭代操作前基于反馈信息更新；响应于确定初始分类模型达到预设的收敛条件，将最后一轮迭代操作中的初始分类模型确定为目标分类模型采用基于该方法训练得到的模型对三维模型数据进行分类，可以提高针对三维模型数据进行分类的准确性。
用于训练模型方法装置

[发明专利]模型训练方法及装置-CN202111547243.3在审
发明人：刘思明;刘尚堃;王志勇 -专利权人：贝壳找房网（北京）信息技术有限公司
申请日： 2021-12-16 - 公布日： 2022-05-13 - 主分类号： G06F16/2458 文献下载
摘要：本申请提供一种模型训练方法及装置，该方法包括：协调方初始化第一模型，并将所述第一模型分发至每个参与方；所述参与方在获取到所述第一模型后，基于所述参与方的本地用户的训练样本训练所述第一模型；所述协调方将每个参与方在每迭代预设次数后得到的模型信息求均值后得到目标信息，并将所述目标信息分发至每个参与方，使得所述参与方按照所述目标信息更新所述第一模型的模型参数后进行下一次迭代；在满足预设条件后，所述参与方停止训练所述第一模型，并得到训练后的第二模型；其中，所述模型信息包括以下至少一项：模型每迭代预设次数后得到的梯度信息；模型每迭代预设次数后得到的模型参数信息。
模型训练方法装置

[发明专利]基于自适应深度多示例神经网络的高光谱目标检测方法-CN202210350100.1在审
发明人：焦昶哲;李哲;李嘉铭;毛莎莎;刘丽蓉 -专利权人：西安电子科技大学
申请日： 2022-04-02 - 公布日： 2022-08-12 - 主分类号： G06V20/20 文献下载
摘要：本发明公开了一种基于自适应深度多示例神经网络的高光谱目标检测方法，其实现步骤为：步骤1，生成训练样本集；步骤2，构建多示例深度卷积网络；步骤3，对多示例深度卷积网络进行内层迭代训练；步骤4，对内层训练好的多示例深度卷积网络进行外层迭代训练；步骤5，判断当前迭代更新后网络的性能指标NAUC是否提升，若是，执行步骤4，否则，执行步骤6；步骤6，对高光谱图像中的目标进行检测。本发明通过构建多示例深度卷积网络，利用概率阈值自适应地更新正数据包中像素的标签，迭代地训练网络，能够有效地解决现有技术对噪声较大的高光谱图像目标检测容易过拟合、特征具有冗余信息和阈值挑选目标像素的误选和漏选问题
基于自适应深度示例神经网络光谱目标检测方法

[发明专利]一种模型训练中样本类别的预测方法、装置、设备及介质-CN202211698134.6在审
发明人：杨一帆;余晓填;王孝宇 -专利权人：深圳云天励飞技术股份有限公司
申请日： 2022-12-28 - 公布日： 2023-05-26 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及模型训练技术领域，尤其涉及一种模型训练中样本类别的预测方法、装置、设备及介质。该方法通过获取每个样本的类别特征和类别概率估计结果，根据类别特征的相似度构建邻接图结构信息，获取样本的类别残差，根据邻接图结构信息、类别残差、类别概率估计结果，结合修正平滑操作，得到修正平滑后的类别概率估计结果，根据上一次迭代中的类别概率预测结果和本次迭代中的修正平滑后的类别概率估计结果，确定本次迭代中的类别概率预测结果，并确定模型损失来训练待训练模型，通过将样本邻接信息和样本本身信息相融合，使得类别概率预测结果同时融合了历史迭代信息，以及样本之间在特征维度上的相互关系，提高了待训练模型的准确率
一种模型训练样本类别预测方法装置设备介质

[发明专利]用于适配曝光参数的方法和装置以及相应的相机曝光系统-CN201810749865.6有效
发明人：范坤;肖雪;陈斌;穆黎森 -专利权人：北京地平线机器人技术研发有限公司
申请日： 2018-07-10 - 公布日： 2021-03-19 - 主分类号： H04N5/235 文献下载
摘要：该方法包括：在与当前训练图像集相关联的当前迭代中确定下一帧曝光控制量；确定在与当前训练图像集相关联的下一迭代中的下一图像；向与当前训练图像集相关联的经验项集合中添加新的经验项；以及在当前迭代中，根据经验项集合中的至少一个经验项来更新曝光策略参数，曝光参数取决于在满足与包括当前训练图像集的至少一个训练图像集相关联的迭代终止条件时的曝光策略参数。
用于曝光参数方法装置以及相应相机系统

[发明专利]一种基于多特征生成网络先验信息引导的图像填充方法-CN202110109862.8有效
发明人：刘且根;全聪;官瑜;何卓楠;徐晓玲;张明辉 -专利权人：南昌大学
申请日： 2021-01-27 - 公布日： 2022-10-11 - 主分类号： G06T11/40 文献下载
摘要：本发明提供了一种基于多特征生成网络先验信息引导的图像填充方法，包括以下步骤：步骤A：将图像数据集分为训练数据集、验证数据集和测试数据集三部分；步骤B：设计一种可以提取彩色图像先验信息的多特征可逆1×1卷积流形生成网络结构，使用图像数据集对该网络进行训练，得到训练好的网络模型；步骤C：设计一种可以提取已训练网络模型内的先验信息的迭代求解算法；步骤D：采用迭代求解算法应用于已训练网络模型对图像测试数据集进行测试，输出得到最终的修复图像本发明首先从具有RGB通道的图像中利用该网络学习多特征图像先验信息，然后采用可变增强技术将获取的多特征图像先验信息嵌入到迭代重建过程中去迭代优化修复结果。
一种基于特征生成网络先验信息引导图像填充方法