【技术实现步骤摘要】
智能家居控制方法及装置
本专利技术涉及智能家居控制领域，具体而言，涉及一种智能家居控制方法及装置。
技术介绍
人工智能技术发展迅速，智能家居对用户生活的影响也越来越大，应用便捷性逐步升级，而在一些服务细节上应用性还有待于进一步提高。如智能家居在进行智能识别时，仅仅通过用于对识别模型进行训练的正常样本，正常样本的训练过的识别模型对对抗样本的识别错误率很高，对于对抗样本的识别能力十分低下，严重影响识别的精确度。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种智能家居控制方法及装置，以至少解决现有技术中识别能力低造成的智能家居控制效果差的技术问题。根据本专利技术实施例的一个方面，提供了一种智能家居控制方法，包括：获取智能家居工作环境下的目标信息；将所述目标信息输入识别模型，由所述识别模型输出目标识别结果，其中，所述识别模型为使用多组正向训练数据和多组反向训练数据，通过机器学习训练得出的，所述多组正向训练数据中的每组数据均包括：正向训练样本和所述正向训练样本对...
【技术保护点】
1.一种智能家居控制方法，其特征在于，包括：/n获取智能家居工作环境下的目标信息；/n将所述目标信息输入识别模型，由所述识别模型输出目标识别结果，其中，所述识别模型为使用多组正向训练数据和多组反向训练数据，通过机器学习训练得出的，所述多组正向训练数据中的每组数据均包括：正向训练样本和所述正向训练样本对应的识别结果，所述多组反向训练数据中的每组数据均包括：反向训练样本和所述反向训练样本的识别结果；/n根据所述识别结果控制智能家居。/n
【技术特征摘要】
1.一种智能家居控制方法，其特征在于，包括：
获取智能家居工作环境下的目标信息；
将所述目标信息输入识别模型，由所述识别模型输出目标识别结果，其中，所述识别模型为使用多组正向训练数据和多组反向训练数据，通过机器学习训练得出的，所述多组正向训练数据中的每组数据均包括：正向训练样本和所述正向训练样本对应的识别结果，所述多组反向训练数据中的每组数据均包括：反向训练样本和所述反向训练样本的识别结果；
根据所述识别结果控制智能家居。
2.根据权利要求1所述的方法，其特征在于，将所述目标信息输入识别模型，由所述识别模型输出目标识别结果之前包括：
建立识别模型，通过多组正向训练数据和多组反向训练数据进行训练，直至模型收敛。
3.根据权利要求2所述的方法，其特征在于，通过多组正向训练数据和多组反向训练数据进行训练之前包括：
根据所述目标信息确定所述多组正向训练数据和多组反向训练数据。
4.根据权利要求1至3中任意一项所述的方法，其特征在于，通过多组正向训练数据和多组反向训练数据进行训练包括：
确定对应的正向训练数据和反向训练数据；
根据所述正向训练数据和反向训练数据同时对所述识别模型进行训练。
5.一种智能家居控制装置，其特征在于，包括：
获取模块，用于获取智能家居工作环境下的目标信息；
识别模块，用...
【专利技术属性】
技术研发人员：张龙，连园园，秦萍，冯德兵，王沅召，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。