【技术实现步骤摘要】
用于融合模型的方法和装置
本公开的实施例涉及计算机
，具体涉及人工智能深度学习和图像处理领域。
技术介绍
图像识别技术是通过机器学习的手段提取图像的特征、通过提取的特征来区分不同图像的技术。图像识别技术广泛应用于各类视觉任务中，如植物分类、菜品识别、地标识别等。在图像识别领域中，如何提高已有模型的精度，一直是学术界和工业界最值得探索点之一。现有技术通过模型融合来提高模型的精度。模型融合的方式是多个模型在统一的数据集上训练得到的，而数据本身会决定模型的好坏和趋向性，所以多个模型在统一的数据集上训练会导致多个模型保持了一致的趋向性，融合后的结果也会有一定的趋向性，所以这种融合对结果的提升有限。
技术实现思路
本公开提供了一种用于融合模型的装置、装置、设备以及存储介质。根据本公开的第一方面，提供了一种用于融合模型的方法，包括：获取至少2个模型；获取预设的样本集；对样本集进行随机删除，得到至少2种不同的候选样本集；对于至少2个模型中的每个模型，使用至少2种不同的候选样本集中的一种候选...
【技术保护点】
1.一种用于融合模型的方法，包括：/n获取至少2个模型；/n获取预设的样本集；/n对所述样本集进行随机删除，得到至少2种不同的候选样本集；/n对于所述至少2个模型中的每个模型，使用所述至少2种不同的候选样本集中的一种候选样本集进行模型训练，得到训练完成的模型；/n将通过不同候选样本集训练出的模型进行融合得到融合后的模型。/n
【技术特征摘要】
1.一种用于融合模型的方法，包括：
获取至少2个模型；
获取预设的样本集；
对所述样本集进行随机删除，得到至少2种不同的候选样本集；
对于所述至少2个模型中的每个模型，使用所述至少2种不同的候选样本集中的一种候选样本集进行模型训练，得到训练完成的模型；
将通过不同候选样本集训练出的模型进行融合得到融合后的模型。
2.根据权利要求1所述的方法，其中，所述对所述样本集进行随机删除，包括：
将所述样本集中的样本按类别分组；
对于每组样本，从该组样本中随机删除样本。
3.根据权利要求2所述的方法，其中，所述对于每组样本，从该组样本中随机删除样本，包括：
按每组样本中的样本个数从大到小排序；
按照删除比例由大到小的顺序依次从排序后的每组样本中随机删除样本。
4.根据权利要求1所述的方法，其中，所述将通过不同候选样本集训练出的模型进行融合得到融合后的模型，包括：
对不同候选样本集训练出的模型的全连接层进行模型层面的融合。
5.根据权利要求1所述的方法，其中，所述将通过不同候选样本集训练出的模型进行融合得到融合后的模型，包括：
对不同候选样本集训练出的每个模型在目标数据集生成的结果进行投票融合。
6.根据权利要求1-5中任一项所述的方法，其中，所述至少2个模型具有相同或不同的模型结构。
7.一种用于融合模型的装置，包括：
模型获取单元，被配置成获取至少2个模型；
样本获取单元，被配置成获取预设的样本集；
删除单元，被配置成对所述样本集进行随机删除，得到至少2种不同的候选样...
【专利技术属性】
技术研发人员：崔程，杨敏，魏凯，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11
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。