【技术实现步骤摘要】
本申请涉及人工智能技术，尤其涉及一种目标样本的分类方法、装置、设备及存储介质。
技术介绍
1、在无人驾驶以及医学图像行业中，针对拍摄到的目标样本，可以通过预设训练模型对该目标样本进行分类。
2、现有技术中采用深度学习的预设训练模型对目标样本进行分类。具体的，将目标样本输入至预设训练模型中，采用预设训练模型根据预先训练类别识别出目标样本的类别。
3、然而，现有技术中当目标样本实际所属类别并非为预设训练模型中预先训练类别时，预设训练模型仍然为目标样本分类，且分类结果为预先训练类别中的一种，这就造成对目标样本的分类不确定，降低了分类准确度。
技术实现思路
1、本申请提供一种目标样本的分类方法、装置、设备及存储介质，用以解决现有技术中当目标样本实际所属类别并非为预设训练模型中预先训练类别时，预设训练模型仍然为目标样本分类，且分类结果为预先训练类别中的一种，这就造成对目标样本的分类不确定，降低了分类准确度的问题。
2、第一方，本申请提供一种目标样本的分类方法，所述
<本文档来自技高网...【技术保护点】
1.一种目标样本的分类方法，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，所述分类模型包括神经网络层和全连接层；
3.根据权利要求2所述的方法，其特征在于，所述采用所述全连接层输出所述目标样本的待选类别以及分类可靠性结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述预设损失函数为预定义均匀分布质心损失函数；
5.根据权利要求3所述的方法，其特征在于，所述基于各分类概率确定出所述目标样本对应的待选类别，包括：
6.根据权利要求5所述的方法，其特征在于，所述分类可靠性结果包括可靠...
【技术特征摘要】
1.一种目标样本的分类方法，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，所述分类模型包括神经网络层和全连接层；
3.根据权利要求2所述的方法，其特征在于，所述采用所述全连接层输出所述目标样本的待选类别以及分类可靠性结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述预设损失函数为预定义均匀分布质心损失函数；
5.根据权利要求3所述的方法，其特征在于，所述基于各分类概率确定出所述目标样本对应的待选类别，包括：
...【专利技术属性】
技术研发人员：郑国辉，
申请(专利权)人：中国农业银行股份有限公司，
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。