【技术实现步骤摘要】
对象识别模型生成方法、装置、电子设备和存储介质
[0001]本申请涉及计算机
,尤其涉及对象识别模型生成方法、装置、电子设备和存储介质。
技术介绍
[0002]在应用神经网络模型执行多种任务场景对应的任务时,可以训练通用任务场景下的神经网络模型,使得该神经网络模型可以应用于任何一种任务场景中。
[0003]现有技术中,在对通用任务场景的神经网络模型进行模型训练时,由于存在多种任务场景,从而导致某些任务场景中缺少某些标注数据,使得训练得到的模型存在准确性低,导致模型的通用性低的问题。
技术实现思路
[0004]本申请提供了对象识别模型生成方法、装置、电子设备和存储介质,可以提高对象识别模型的通用性。
[0005]一方面,本申请提供了一种对象识别模型生成方法,方法包括:
[0006]确定目标任务样本与多个关联任务样本之间的样本关联信息;
[0007]基于所述多个关联任务样本各自对应的导师模型,对所述目标任务样本中的样本对象进行对象识别,得到与多个导师模型各自对应的识别标签;
[0008]基于所述样本关联信息确定多个导师模型各自对应的权重信息;
[0009]基于所述权重信息和所述识别标签,确定所述目标任务样本对应的训练标签;
[0010]基于所述目标任务样本以及所述训练标签,对待训练模型进行模型训练,得到对象识别模型。
[0011]另一方面提供了一种对象识别方法,所述方法包括:
[0012]获取待识别对象的对象信息;
[0 ...
【技术保护点】
【技术特征摘要】
1.一种对象识别模型生成方法,其特征在于,方法包括:确定目标任务样本与多个关联任务样本之间的样本关联信息;基于所述多个关联任务样本各自对应的导师模型,对所述目标任务样本中的样本对象进行对象识别,得到与多个导师模型各自对应的识别标签;基于所述样本关联信息确定多个导师模型各自对应的权重信息;基于所述权重信息和所述识别标签,确定所述目标任务样本对应的训练标签;基于所述目标任务样本以及所述训练标签,对待训练模型进行模型训练,得到对象识别模型。2.根据权利要求1的模型生成方法,其特征在于,所述基于所述多个关联任务样本各自对应的导师模型,对所述目标任务样本中的样本对象进行对象识别,得到与多个导师模型各自对应的识别标签之后,所述方法还包括:从所述多个关联任务样本各自对应的导师模型中确定参考模型;基于参考标签,对待对齐标签进行数据映射处理,得到目标识别标签,所述目标识别标签的数据分布与所述参考标签的数据分布一致,所述参考标签为所述参考模型对应的识别标签,所述待对齐标签为所述识别标签中除所述参考标签外的其他识别标签;基于所述权重信息和所述识别标签,确定所述目标任务样本对应的训练标签包括:基于所述权重信息、所述目标识别标签和所述参考标签,确定所述训练标签。3.根据权利要求2的对象识别模型生成方法,其特征在于,所述基于参考标签,对待对齐标签进行数据映射处理,得到目标识别标签包括:获取所述参考标签对应的预设数量个第一拟合点和所述待对齐标签中的预设数量个第二拟合点;所述第一拟合点基于所述参考标签的数据分布确定,所述第二拟合点基于所述待对齐标签的数据分布确定;对所述第一拟合点和所述第二拟合点进行拟合处理,得到所述待对齐标签对应的对齐参考信息;基于所述对齐参考信息,对所述待对齐标签进行映射处理,得到所述目标识别标签。4.根据权利要求1的对象识别模型生成方法,其特征在于,所述确定目标任务样本与多个关联任务样本之间的样本关联信息包括:将得到目标任务样本和得到多个关联任务样本输入到信息关联模型中进行信息关联预测,得到得到样本关联信息。5.根据权利要求4的对象识别模型生成方法,其特征在于,所述方法还包括:获取关联模型训练样本;所述关联模型训练样本包括多个训练样本项,每个训练样本项包括两项样本数据,以及所述两项样本数据的关联数据标签;将所述多个训练样本项输入到待训练关联模型中进行信息关联预测,得到样本关联训练信息;基于所述样本关联训练信息和所述关联数据标签,对所述待训练关联模型进行参数更新,得到所述信息关联模型。6.根据权利要求1的对象识别模型生成方法,其特征在于,所述基于所述样本关联信息确定所述多个导师模型各自对应的权重信息包括:基于所述样本关联信息,确定所述目标任务样本与所述多个关联任务样本间的关联参
数;对所述关联参数进行归一化处理,得到所述多个导师模型各自对应的权重信息。7.根据权利要求1的对象识别模型生成方法,其特征在于,所述基于所述权重信息和所述识别标签...
【专利技术属性】
技术研发人员:汤胜龙,蓝利君,李岳宸,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:
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。