【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种模型训练、物品鉴别方法、装置、设备和存储介质。
技术介绍
1、机器学习模型已被广泛应用于教育、军事、金融、互联网等各个领域。一般，采用初始神经网络模型对伪造物品数据进行学习训练，得到用于鉴别伪造物品的目标神经网络模型。然而，在实现过程中，专利技术人发现现有技术中至少存在如下问题：只关注伪造物品本身的数据特征，存在模型准确率较低的问题。
技术实现思路
1、为解决上述技术问题，本申请实施例期望提供一种模型训练、物品鉴别方法、装置、设备和存储介质，解决了现有技术只关注伪造物品本身的数据特征，存在模型准确率较低的问题。
2、本申请的技术方案是这样实现的：
3、一种伪造物品鉴别模型训练方法，所述方法包括：
4、获取待训练物品的物品信息；其中，所述待训练物品的物品信息表征所述待训练物品的基础属性和所述待训练物品的用户体验情况；
5、基于所述待训练物品的物品信息，确定所述待训练物品对应的目标物品；其中，所述目标物品用于鉴别所述...
【技术保护点】
1.一种伪造物品鉴别模型训练方法，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，所述基于所述待训练物品的物品信息，确定所述待训练物品对应的目标物品，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述待训练物品的物品特征和物品池中的每一物品的物品特征，从所述物品池中确定所述目标物品，包括：
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于所述待训练物品的物品信息和所述目标物品的物品信息对初始伪造物品鉴别模型进行模型训练，得到目标伪造物品鉴别模型，包括：
5.根据权利要求4所...
【技术特征摘要】
1.一种伪造物品鉴别模型训练方法，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，所述基于所述待训练物品的物品信息，确定所述待训练物品对应的目标物品，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述待训练物品的物品特征和物品池中的每一物品的物品特征，从所述物品池中确定所述目标物品，包括：
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于所述待训练物品的物品信息和所述目标物品的物品信息对初始伪造物品鉴别模型进行模型训练，得到目标伪造物品鉴别模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述待训练物品的物品特征和所述目标物品的物品特征对所述初始伪造物品鉴别模型进行模型训练，得到所述目标伪造物品鉴别模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述交叉特征对所述初始伪造物品鉴别模型进行模型训练，得到所述目标伪造物品鉴别模型，包括：
7.根据...
【专利技术属性】
技术研发人员：刘上靖，
申请(专利权)人：北京沃东天骏信息技术有限公司，
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。