System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及神经网络,尤其涉及一种样本处理方法、装置、设备及计算机可读介质。
技术介绍
1、神经网络的应用性能取决于模型训练的样本集,样本集的质量,多样性,准确性直接影响模型分类的性能。然而,专利技术人发现相关技术中至少存在如下技术问题:样本集中数据标注错误,数据不一致,噪声数据等数据错误会导致模型训练时精度下降,直接影响模型的应用性能,导致模型的泛化能力降低。针对这一问题,训练源数据的准确性变的尤为重要。
技术实现思路
1、本申请的一个目的是提供一种样本处理方法、装置、设备及计算机可读介质,至少用以解决样本不准确,导致模型应用性能差的技术问题。
2、为实现上述目的,本申请的一些实施例提供了以下几个方面:
3、第一方面,本申请的一些实施例还提供了一种样本处理方法,用于分类模型的样本处理,所述方法包括:
4、获取模型分类错误样本,基于所述模型分类错误样本设置违标签,得到违标签样本集,基于所述模型分类错误样本设置真标签,得到真标签样本集;
5、对所述违标签样本集和真标签样本集进行超平面分割,得到分割超平面信息,基于所述分割超平面信息确定所述真标签样本集中的疑点样本,得到候选样本集;
6、分别基于违标签样本集中各样本在分类模型中的第一模型处理特征和候选样本集中各样本在分类模型中的第二模型处理特征确定目标校正样本。
7、第二方面,本申请的一些实施例还提供了一种样本处理装置,用于分类模型的样本处理,所述装置包括:
< ...【技术保护点】
1.一种样本处理方法,其特征在于,用于分类模型的样本处理,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述分割超平面信息确定所述真标签样本集中的疑点样本,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一距离参数和所述第二距离参数从所述真标签样本集中筛选出所述疑点样本,包括:
4.根据权利要求1所述的方法,其特征在于,所述分别基于违标签样本集中各样本在分类模型中的第一模型处理特征和候选样本集中各样本在分类模型中的第二模型处理特征确定目标校正样本,包括:
5.根据权利要求4所述的方法,其特征在于,所述根据同一样本的所述第一模型处理特征和所述第二模型处理特征确定所述目标校正样本,包括:
6.根据权利要求5所述的方法,其特征在于,所述设定规则为n>=N*k,其中,k为小于1的固定值,N为卷积层的总层数。
7.根据权利要求4所述的方法,其特征在于,所述第一模型处理特征为所述违标签样本集中各样本在各卷积层上的特征标准差,所述第二模型处理特征为所述真标签样本集中各样本在各卷积层
8.一种样本处理装置,其特征在于,用于分类模型的样本处理,所述装置包括:
9.一种计算机设备,其特征在于,所述设备包括:
10.一种计算机可读介质,其上存储有计算机程序指令,所述计算机程序指令可被处理器执行以实现如权利要求1-7任一项所述的方法。
...【技术特征摘要】
1.一种样本处理方法,其特征在于,用于分类模型的样本处理,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述分割超平面信息确定所述真标签样本集中的疑点样本,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一距离参数和所述第二距离参数从所述真标签样本集中筛选出所述疑点样本,包括:
4.根据权利要求1所述的方法,其特征在于,所述分别基于违标签样本集中各样本在分类模型中的第一模型处理特征和候选样本集中各样本在分类模型中的第二模型处理特征确定目标校正样本,包括:
5.根据权利要求4所述的方法,其特征在于,所述根据同一样本的所述第一模型处理特征和所述第二模型处理特征确...
【专利技术属性】
技术研发人员:乔海瑞,
申请(专利权)人:上海朋熙半导体有限公司,
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。