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】
本公开涉及信息处理领域,具体涉及信息处理装置、信息处理方法以及计算机可读存储介质。
技术介绍
1、近年来机器学习在各个领域中得到应用广泛。例如,可以利用机器学习来对图像、语音等进行预测(包括识别、分类等)等。
技术实现思路
1、在下文中给出了关于本公开的简要概述,以便提供关于本公开的某些方面的基本理解。但是,应当理解,这个概述并不是关于本公开的穷举性概述。它并不是意图用来确定本公开的关键性部分或重要部分,也不是意图用来限定本公开的范围。其目的仅仅是以简化的形式给出关于本公开的某些概念,以此作为稍后给出的更详细描述的前序。
2、鉴于以上问题,本公开的目的是提供一种信息处理装置、信息处理方法和计算机可读记录介质。
3、根据本公开的一方面,提供了一种信息处理装置,包括:第一训练单元,被配置成利用第一训练图像集对第一模型进行训练,以获得经训练的第一模型;第二训练单元,被配置成利用第二训练图像集对经训练的第一模型进行训练,以获得再训练的第一模型作为第二模型;以及第三训练单元,被配置成利用第三训练图像集对所述第二模型进行训练,以获得再训练的第二模型作为用于对待预测对象进行预测的第三模型。所述第一训练图像集包括涉及第一类别集合的带标签的训练图像。所述第二训练图像集包括涉及所述第一类别集合的带标签的训练图像和涉及第二类别集合的带标签的训练图像。所述第三训练图像集合包括涉及所述第一类别集合的带标签的训练图像和涉及所述第二类别集合的不带标签的训练图像。所述第二训练单元对所述第二
4、根据本公开的另一方面,提供了一种信息处理方法,包括:利用第一训练图像集对第一模型进行训练,以获得经训练的第一模型;利用第二训练图像集对经训练的第一模型进行训练,以获得再训练的第一模型作为第二模型;以及利用第三训练图像集对所述第二模型进行训练,以获得再训练的第二模型作为用于对待预测对象进行预测的第三模型。其中,所述第一训练图像集包括涉及第一类别集合的带标签的训练图像。所述第二训练图像集包括涉及所述第一类别集合的带标签的训练图像和涉及第二类别集合的带标签的训练图像。所述第三训练图像集合包括涉及所述第一类别集合的带标签的训练图像和涉及所述第二类别集合的不带标签的训练图像。利用第二训练图像集对经训练的第一模型进行训练包括:对所述第二训练图像集中的涉及第二类别集合的带标签的训练图像进行随机变换,并且利用变换后的训练图像对所述经训练的第一模型进行训练。所述第一类别集合与所述第二类别集合彼此不交叠。
5、根据本公开的其它方面,还提供了用于实现上述根据本公开的方法的计算机程序代码和计算机程序产品,以及其上记录有该用于实现上述根据本公开的方法的计算机程序代码的计算机可读存储介质。
6、在下面的说明书部分中给出本公开实施例的其它方面,其中,详细说明用于充分地公开本公开实施例的优选实施例,而不对其施加限定。
本文档来自技高网...【技术保护点】
1.一种信息处理装置,包括:
2.根据权利要求1所述的信息处理装置,其中,所述第二训练图像集所包括的涉及第二类别集合的带标签的训练图像的数目小于所述第一训练图像集中的针对所述第一类别集合中的每个类别的带标签的训练图像的平均数目。
3.根据权利要求1所述的信息处理装置,其中,所述第二训练图像集与所述第一训练图像集部分地交叠,
4.根据权利要求1所述的信息处理装置,其中,在对所述第二模型进行训练的过程中,所述第三训练单元使用所述第二模型对涉及所述第二类别集合的不带标签的训练图像设置伪标签。
5.根据权利要求1至4中任一项所述的信息处理装置,利用第三训练图像集对所述第二模型进行训练包括执行N轮训练,在每轮训练中执行如下操作:
6.根据权利要求1至4中任一项所述的信息处理装置,其中,所述第三训练图像集包括半标记的训练图像集和平衡标记训练图像集,以及
7.根据权利要求6所述的信息处理装置,其中,所述第三损失和所述第四损失中的每一者包括用于表征训练图像的特征之间的距离的聚类损失。
8.根据权利要求1至4中任一
9.一种信息处理方法,包括:
10.一种存储有指令的计算机可读存储介质,所述指令在由计算机执行时,使得所述计算机执行根据权利要求9所述的信息处理方法。
...【技术特征摘要】
1.一种信息处理装置,包括:
2.根据权利要求1所述的信息处理装置,其中,所述第二训练图像集所包括的涉及第二类别集合的带标签的训练图像的数目小于所述第一训练图像集中的针对所述第一类别集合中的每个类别的带标签的训练图像的平均数目。
3.根据权利要求1所述的信息处理装置,其中,所述第二训练图像集与所述第一训练图像集部分地交叠,
4.根据权利要求1所述的信息处理装置,其中,在对所述第二模型进行训练的过程中,所述第三训练单元使用所述第二模型对涉及所述第二类别集合的不带标签的训练图像设置伪标签。
5.根据权利要求1至4中任一项所述的信息处理装置,利用第三训练图像集对所述...
【专利技术属性】
技术研发人员:钟朝亮,冯成,汪洁,张颖,孙俊,
申请(专利权)人:富士通株式会社,
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。