【技术实现步骤摘要】
本申请涉及深度学习，尤其涉及一种多任务学习模型训练方法、装置和设备。
技术介绍
1、随着算法、硬件和数据集的不断发展，深度学习在过去十几年里得到了广泛应用。
2、近年来，深度学习在计算机视觉、自然语言处理、语音识别等任务上取得了惊人的成就。在计算机视觉领域，深度学习模型能够高效地识别和分类图像，实现人脸识别、物体检测、图像分割等应用。在自然语言处理方面，深度学习模型能够理解和生成自然语言，实现机器翻译、情感分析、智能对话等功能。在语音识别领域，深度学习技术使得语音助手和语音识别系统的准确率大幅提升，为人机交互带来全新的体验。
3、目前，为了解决模型碎片化的问题，一般采用多任务学习模型解决计算机视觉、自然语言处理、语音识别等任务，在这种情况下，如何提高多任务学习模型的预测能力成为当前亟待解决的问题。
技术实现思路
1、有鉴于此，本申请提供一种多任务学习模型训练方法、装置和设备，以提高多任务学习模型的预测能力。
2、具体地，本申请是通过如下技术方案实现的：<...
【技术保护点】
1.一种多任务学习模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述每类单任务模型包括至少一个单任务模型；根据所述每个样本在所述每类单任务模型下的伪标签，确定所述每个样本的综合标签，包括：
3.根据权利要求1或2所述的方法，其特征在于，得到所述预训练的多任务学习模型之后，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述多任务学习模型为YOLO模型；所述YOLO模型包括编码器、以及多个与所述编码器连接的解码器；其中，每个所述解码器对应所述任务类别集中的一个任务类别。
5...
【技术特征摘要】
1.一种多任务学习模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述每类单任务模型包括至少一个单任务模型；根据所述每个样本在所述每类单任务模型下的伪标签，确定所述每个样本的综合标签，包括：
3.根据权利要求1或2所述的方法，其特征在于，得到所述预训练的多任务学习模型之后，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述多任务学习模型为yolo模型；所述yolo模型包括编码器、以及多个与所述编码器连接的解码器；其中，每个所述解码器对应所述任务类别集中的一个任务类别。
5.根据权利要求1任一项所述的方法，其特征在于，每个所述单任务模型为基于transformer架构的深度学习模型。
6.根据权利要...
【专利技术属性】
技术研发人员：唐炜森，
申请(专利权)人：深圳云天励飞技术股份有限公司，
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。