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】
本申请涉及机器学习,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
1、深度学习作为实现人工智能的一种方法,可以学习样本数据的内在规律和表示层次,从而使得机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。在现有技术中,基于深度学习的方法进行对象识别时,存在样本数据不平衡,降低了对象识别模型的识别准确性。
技术实现思路
1、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识别准确性。
2、一方面,本申请提供了对象识别模型生成方法,所述方法包括:
3、对种子对象对应的第一样本中的第一类别样本数据以及第二类别样本数据进行联合过采样,得到多个目标样本集;所述第一类别样本数据的数据量小于预设数据量;所述第二类别样本数据的数据量大于所述预设数据量;
4、基于每个目标样本集,分别对第一待训练识别模型进行模型训练,得到多个识别子模型;
5、基于所述多个识别子模型,对样本识别对象对应的第二样本进行样本标签识别,得到所述第二样本中的正样本和所述第二样本中的负样本;
6、基于所述多个目标样本集、所述第二样本中的正样本和所述第二样本中的负样本,对第二待训练识别模型进行模型训练,得到对象识别模型。
7、另一方面提供了一种对象识别方法,所述方法包括:
8、获取待识别对象对应的待识别特征信息;
9、将所述待识别特征信息输入到,根据上述所述的对象识别
10、另一方面提供了一种对象识别模型生成装置,所述装置包括:
11、联合过采样模块,用于对种子对象对应的第一样本中的第一类别样本数据以及第二类别样本数据进行联合过采样,得到多个目标样本集;所述第一类别样本数据的数据量小于预设数据量;所述第二类别样本数据的数据量大于所述预设数据量;
12、第一模型训练模块,用于基于每个目标样本集,分别对第一待训练识别模型进行模型训练,得到多个识别子模型;
13、样本标签识别模块,用于基于所述多个识别子模型,对样本识别对象对应的第二样本进行样本标签识别,得到所述第二样本中的正样本和所述第二样本中的负样本;
14、第二模型训练模块,用于基于所述多个目标样本集、所述第二样本中的正样本和所述第二样本中的负样本,对第二待训练识别模型进行模型训练,得到对象识别模型。
15、另一方面提供了一种对象识别装置,所述装置包括:
16、信息获取模块,用于获取待识别对象对应的待识别特征信息;
17、对象识别模块,用于将所述待识别特征信息输入到,根据上述所述的对象识别模型生成方法得到的对象识别模型中进行对象识别,得到所述待识别对象对应的对象识别结果。
18、另一方面提供了一种电子设备,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述的一种对象识别模型生成方法和上述的一种对象识别方法。
19、另一方面提供了一种计算机可读存储介质,所述存储介质包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述的一种对象识别模型生成方法和上述的一种对象识别方法。
20、本实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述对象识别模型生成方法和对象识别方法。
21、本申请提供的对象识别模型生成方法、装置、电子设备和存储介质,该方法可以通过过采样处理平衡数据集,并基于平衡数据集对应的识别子模型进行样本标注,可以避免样本数据不平衡的问题,且缩短了样本标注时间,从而提高模型训练的准确性和样本标注的效率,并进一步通过平衡的数据集和标注后的样本训练得到对象识别模型,提高了对象识别模型的识别准确性。
本文档来自技高网...【技术保护点】
1.一种对象识别模型生成方法,其特征在于,所述方法包括:
2.根据权利要求1所述的对象识别模型生成方法,其特征在于,所述对种子对象对应的第一样本中的第一类别样本数据以及第二类别样本数据进行联合过采样,得到多个目标样本集包括:
3.根据权利要求2所述的对象识别模型生成方法,其特征在于,所述对所述第二样本集进行样本采样,得到所述目标样本集包括:
4.根据权利要求1所述的对象识别模型生成方法,其特征在于,所述基于所述多个识别子模型,对样本识别对象对应的第二样本进行样本标签识别,得到所述第二样本中的正样本和所述第二样本中的负样本包括:
5.根据权利要求1所述的对象识别模型生成方法,其特征在于,所述基于所述多个目标样本集、所述第二样本中的正样本和所述第二样本中的负样本,对第二待训练识别模型进行模型训练,得到对象识别模型包括:
6.根据权利要求1所述的对象识别模型生成方法,其特征在于,所述第二待训练识别模型包括多个待训练模型,不同的待训练模型对应的不同的对象识别算法,所述基于所述多个目标样本集、所述第二样本中的正样本和所述第二样本中
7.一种对象识别方法,其特征在于,所述方法包括:
8.一种对象识别模型生成装置,其特征在于,所述装置包括:
9.一种对象识别装置,其特征在于,所述装置包括:
10.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1-6任一项所述的一种对象识别模型生成方法和权利要求7所述的一种对象识别方法。
11.一种计算机可读存储介质,其特征在于,所述存储介质包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1-6任一项所述的一种对象识别模型生成方法和权利要求7所述的一种对象识别方法。
...【技术特征摘要】
1.一种对象识别模型生成方法,其特征在于,所述方法包括:
2.根据权利要求1所述的对象识别模型生成方法,其特征在于,所述对种子对象对应的第一样本中的第一类别样本数据以及第二类别样本数据进行联合过采样,得到多个目标样本集包括:
3.根据权利要求2所述的对象识别模型生成方法,其特征在于,所述对所述第二样本集进行样本采样,得到所述目标样本集包括:
4.根据权利要求1所述的对象识别模型生成方法,其特征在于,所述基于所述多个识别子模型,对样本识别对象对应的第二样本进行样本标签识别,得到所述第二样本中的正样本和所述第二样本中的负样本包括:
5.根据权利要求1所述的对象识别模型生成方法,其特征在于,所述基于所述多个目标样本集、所述第二样本中的正样本和所述第二样本中的负样本,对第二待训练识别模型进行模型训练,得到对象识别模型包括:
6.根据权利要求1所述的对象识别模型生成方法,其特征在于,所述第二待训练识别模型包括多个待训练模型,不同的待训练模型对应...
【专利技术属性】
技术研发人员:樊鹏,
申请(专利权)人:腾讯云计算北京有限责任公司,
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。