【技术实现步骤摘要】
本申请涉及计算机，特别是涉及一种识别模型的处理方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、随着计算机技术的发展，对数据进行分类识别被广泛应用，分类识别主要通过深度网络模型实现，通过大量的标注数据对深度网络模型进行训练，使得不同类别的数据能够被准确识别；对深度网络模型进行训练的过程中，损失值对深度网络模型的识别效果有着重要影响。
2、在相关技术中，通常采用深度网络模型输出的类别与标签类别之间的差距，确定损失值，通过该损失值训练的深度网络模型，在不同类别之间的区分度较低、容易混淆的复杂场景下，难以得到正确的识别结果，导致识别的准确度低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种识别模型的处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，提升了识别模型对边界模糊、难以区分的样本的学习效果，进而提升目标识别模型的准确度。
2、第一方面，本申请提供了一种识别模型的处理方法。所述方法包括：
3、通过识别模型提取样...
【技术保护点】
1.一种识别模型的处理方法，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，所述调整所述特征向量和所述第二中心向量之间的第一角度值，得到小于所述第一角度值的目标角度值，包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述标签类别对应的样本量与所述样本集对应的样本总量之间的比值，确定所述标签类别的权重系数，包括：
5.根据权利要求3所述的方法，其特征在于，所述基于所述权重系数、所述目标角度值、所述特征向量、所述第一中心向量、所述第二...
【技术特征摘要】
1.一种识别模型的处理方法，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，所述调整所述特征向量和所述第二中心向量之间的第一角度值，得到小于所述第一角度值的目标角度值，包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述标签类别对应的样本量与所述样本集对应的样本总量之间的比值，确定所述标签类别的权重系数，包括：
5.根据权利要求3所述的方法，其特征在于，所述基于所述权重系数、所述目标角度值、所述特征向量、所述第一中心向量、所述第二中心向量和第二角度值确定间隔损失值，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述目标角度值、所述特征向量、所述第一中心向量、所述第二中心向量和第二角度值确定间隔损失值，包括：
7.根据权利要求5或6所述的方法，其特征在于，所述基于第二角度值、所述特征向量的模和所述第一中心向量的模，确定所述特征向量和所述第一中心向量之间的第...
【专利技术属性】
技术研发人员：杨善明，
申请(专利权)人：腾讯科技深圳有限公司，
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。