【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种训练图像的标签确定方法、装置、设备及存储介质。
技术介绍
1、随着人工智能技术的高速发展，目前对于人工智能相关算法指标的期望也越来越高，这就需要能够训练出更高精度和准确性的人工智能相关网络模型。
2、相关技术中，在网络模型的训练过程中，比如可以预先收集不同的训练样本（比如不同的训练图像），然后可以对这些训练样本分别进行打标签，然后通过打标签后的训练样本对网络模型进行训练。然而，在打标签的过程中可能会由于数据标签标定难度大或其它原因引起的易标定错误的情况，例如图像模糊导致不易判断类别、标定人员自身引起的标定错误等，这些都可能会导致最终获得的标签不够准确，目前也有一些提升标定的标签准确性的方法，比如标签平滑技术、数据清洗技术等。
3、然而，上述技术确定的训练样本的标签在训练网络模型时仍然效果不佳。
技术实现思路
1、本专利技术提供一种训练图像的标签确定方法、装置、设备及存储介质，用以解决现有技术中通过标签平滑技术或数据清洗技术等确定的训...
【技术保护点】
1.一种训练图像的标签确定方法，其特征在于，包括：
2.根据权利要求1所述的训练图像的标签确定方法，其特征在于，所述训练图像的目标类别标签采用标签向量表示，所述标签向量中包括总类别中各种类别标签对应的概率，所述根据所述第二特征矩阵和所述目标第一特征矩阵之间的相似度，确定所述训练图像对应的目标类别标签，包括：
3.根据权利要求1所述的训练图像的标签确定方法，其特征在于，所述根据所述第二特征矩阵和所述目标第一特征矩阵之间的相似度，确定所述训练图像对应的目标类别标签之前，所述方法还包括：
4.根据权利要求3所述的训练图像的标签确定方法，其...
【技术特征摘要】
1.一种训练图像的标签确定方法，其特征在于，包括：
2.根据权利要求1所述的训练图像的标签确定方法，其特征在于，所述训练图像的目标类别标签采用标签向量表示，所述标签向量中包括总类别中各种类别标签对应的概率，所述根据所述第二特征矩阵和所述目标第一特征矩阵之间的相似度，确定所述训练图像对应的目标类别标签，包括：
3.根据权利要求1所述的训练图像的标签确定方法，其特征在于，所述根据所述第二特征矩阵和所述目标第一特征矩阵之间的相似度，确定所述训练图像对应的目标类别标签之前，所述方法还包括：
4.根据权利要求3所述的训练图像的标签确定方法，其特征在于，所述根据所述特征拉伸后的第二特征矩阵和所述目标第一特征矩阵之间的相似度，确定所述训练图像对应的目标类别标签，包括：
5.根据权利要求1至4任一项所述的训练图像的标签确定方法，其特征在于，所述获取预设聚类算法对应的多个目标聚类参数，包括：
6.根据权利要...
【专利技术属性】
技术研发人员：路通，孙斌，楼宏良，陈波，
申请(专利权)人：济南博观智能科技有限公司，
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。