【技术实现步骤摘要】
本专利技术涉及计算机。更具体地，本专利技术涉及一种基于深度学习的图像识别模型训练方法及系统。
技术介绍
1、图像是一种非常重要的信息载体。图像识别技术的产生以及更新成为当下十分重要的发展方向，同时表现出了良好的发展前景，在信息收集、医疗以及产品安全等方面，都已经开始广泛运用图像识别技术，发挥了非常大的作用。
2、利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。深度学习模型在图像识别任务上通常能够达到很高的准确率，尤其是在大规模数据集上进行训练后。通过不断优化训练方法，可以进一步提高模型的识别准确性，使其在实际应用中更加可靠。为了提高模型性能、降低资源消耗。需要对深度学习的图像识别模型训练设计方法。
3、目前，公开号为cn112036509a的专利申请文件中，公开了用于训练图像识别模型的方法和装置，该方法通过采用多个初始图像识别模型分别对当前训练图像进行识别得到的多个预测识别标签，确定当前训练图像的实际识别标签。采用每个预测识别标签和实际识别标签，分别构...
【技术保护点】
1.一种基于深度学习的图像识别模型训练方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的图像识别模型训练方法，其特征在于，其中多分类评价指标为F1值，根据多分类评价指标设定对应分类目标的获取概率，包括：
3.根据权利要求2所述的基于深度学习的图像识别模型训练方法，其特征在于，其中获取概率的计算公式为：
4.根据权利要求1所述的基于深度学习的图像识别模型训练方法，其特征在于，根据样本的损失值的大小以及预测分类与真实分类的一致性确定样本的重点关注度，包括：
5.根据权利要求4所述的基于深度学习的图像识别模型训练...
【技术特征摘要】
1.一种基于深度学习的图像识别模型训练方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的图像识别模型训练方法，其特征在于，其中多分类评价指标为f1值，根据多分类评价指标设定对应分类目标的获取概率，包括：
3.根据权利要求2所述的基于深度学习的图像识别模型训练方法，其特征在于，其中获取概率的计算公式为：
4.根据权利要求1所述的基于深度学习的图像识别模型训练方法，其特征在于，根据样本的损失值的大小以及预测分类与真实分类的一致性确定样本的重点关注度，包括：
5.根据权利要求4所述的基于深度学习的图像识别模型训练方法，其特征在于，根据所述比较结果和所述一致性确定样本的重点关注度，包括：
6.根据权利要求1所述的基...
【专利技术属性】
技术研发人员：付亮，张丁杰，
申请(专利权)人：武汉数聚速达网络科技有限责任公司，
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。