模型训练方法及装置制造方法及图纸

本申请公开了一种模型训练方法及装置。所述方法包括：获取源领域深度学习模型；获取目标领域的训练数据；利用所述目标领域的训练数据，调整所述源领域深度学习模型的权重参数，获得目标领域深度学习模型；利用所述目标领域深度学习模型，提取所述训练数据的数据特征；利用所述数据特征训练K最近邻分类模型，获得识别模型。本申请实施例降低了模型训练成本，保证了模型准确度，同时降低了过拟合风险。

Model training method and device

The present application discloses a model training method and device. The method comprises: obtaining the source field of deep learning model; data acquisition of training target areas; training data by using the target domain, weighting parameter adjustment of the source areas of deep learning model, obtain the target areas of deep learning model; learning model using the target domain depth data feature extraction of the training data by using the data; the training characteristic of K nearest neighbor classification model, obtain recognition model. The application example reduces the model training cost, ensures the accuracy of the model, and reduces the risk of overfitting.

【技术实现步骤摘要】
模型训练方法及装置
本申请属于数据识别
，具体地说，涉及一种基于深度学习和K邻近的通用分类框架。
技术介绍
在实际应用中，通常需要对图像、声音、文本等数据进行识别，以根据识别结果进行相应的操作。例如对图像数据进行图像识别，以识别图像类别，实现对图像分类；对声音数据进行声音识别，以确定用户年龄、性别等。目前，对图像、声音、文本等数据进行识别通常是利用识别模型实现的，因此首先需要训练识别模型。以图像识别为例，识别模型为图像分类器，在进行图像分类器训练时，需要获得样本图像，并提取样本图像的图像特征，然后利用图像特征对图像分类器进行识别。而为了提高图像特征表达的全面性和准确性，图像特征通常采用深度学习模型提取的图像特征，因此为了训练获得图像分类器，需要首先训练深度学习模型，但是深度学习模型的训练通常需要大量的训练数据，但是大量训练数据的采集通常是耗时和昂贵的，而如果采用较小数量的深度学习模型，又使得训练获得的深度学习模型不准确，导致图像分类器也不准确，且存在过拟合风险。
技术实现思路
有鉴于此，本申请所要解决的技术问题是提供了一种模型训练方法及装置，解决了现有技术中训练模型不准确，且存在过本文档来自技高网...

【技术保护点】
一种模型训练方法，其特征在于，包括：获取源领域深度学习模型；获取目标领域的训练数据；利用所述目标领域的训练数据，调整所述源领域深度学习模型的权重参数，获得目标领域深度学习模型；利用所述目标领域深度学习模型，提取所述训练数据的数据特征；利用所述数据特征训练K最近邻分类模型，获得识别模型。

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获取源领域深度学习模型；获取目标领域的训练数据；利用所述目标领域的训练数据，调整所述源领域深度学习模型的权重参数，获得目标领域深度学习模型；利用所述目标领域深度学习模型，提取所述训练数据的数据特征；利用所述数据特征训练K最近邻分类模型，获得识别模型。2.根据权利要求1所述的方法，其特征在于，所述利用所述数据特征训练K最近邻分类模型，获得识别模型包括：将所述数据特征进行特征降维，获得低维度特征；利用所述低维度特征训练K最近邻分类模型，获得识别模型。3.根据权利要求1所述的方法，其特征在于，所述利用所述目标领域的训练数据，调整所述源领域深度学习模型的权重参数，获得目标领域深度学习模型包括：将所述源领域深度学习模型的权重参数作为初始参数；设定低于预设率的学习率；利用所述目标领域的训练数据以及所述学习率，调整所述源领域深度学习模型的权重参数，获得目标领域深度学习模型。4.根据权利要求3所述的方法，其特征在于，所述利用所述目标领域的训练数据以及所述学习率，调整所述源领域深度学习模型的权重参数，获得目标领域深度学习模型包括：利用所述目标领域的训练数据以及所述学习率，按照小于预设次数的调整次数，重复调整所述源领域深度学习模型的权重参数，获得目标领域深度学习模型。5.根据权利要求1所述的方法，其特征在于，所述获取源领域深度学习模型包括：获取与目标领域类别匹配的源领域...

【专利技术属性】
技术研发人员：张默，
申请(专利权)人：北京陌上花科技有限公司，
类型：发明
国别省市：北京,11