【技术实现步骤摘要】
本申请涉及人工智能，特别涉及一种模型训练方法、识别方法、电子装置、终端设备、计算机可读存储介质及程序计算机程序产品。
技术介绍
1、在相关技术中，为保障目标检测任务的精度，通常会使用海量的训练样本以进行模型训练，如针对于电路板的检测任务中通常会采样海量张电路板图像以训练模型。然而，由于训练样本的数量较多，导致模型训练所需的时间成本等较高，使得模型训练效率较低且模型落地时机贻误。
技术实现思路
1、本申请提供一种模型训练方法、识别方法、电子装置、终端设备、计算机可读存储介质及程序计算机程序产品。
2、本申请实施方式提供一种模型训练方法，包括：
3、根据多个原始样本，确定多个所述原始样本中的目标样本；
4、根据所述目标样本完成模型训练。
5、如此，在本申请实施方式中，可根据多个原始样本确定多个所述原始样本中的目标样本，并通过目标样本完成模型训练，相比于通过全部原始样本训练模型的方式而言，可减少模型训练所使用的样本数量，从而可减少模型训练所用时间，...
【技术保护点】
1.一种模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据多个原始样本，确定多个所述原始样本中的目标样本，包括：
3.根据权利要求2所述的方法，其特征在于，所述对多个所述原始样本进行聚类处理，确定所述聚类处理的结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述原始样本，确定所述原始样本的特征向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述原始样本进行特征提取处理，确定所述原始样本的特征图，包括：
6.根据权利要求3所述的方法，其特征在于，所...
【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据多个原始样本，确定多个所述原始样本中的目标样本，包括：
3.根据权利要求2所述的方法，其特征在于，所述对多个所述原始样本进行聚类处理，确定所述聚类处理的结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述原始样本，确定所述原始样本的特征向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述原始样本进行特征提取处理，确定所述原始样本的特征图，包括：
6.根据权利要求3所述的方法，其特征在于，所述对多个所述原始样本的特征向量进行聚类处理，确定所述聚类处理的结果，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述数据帧执行所述聚类处理，确定所述聚类处理的结果，包括：
8.根据权利要求2所述的方法，其特征在于，所述聚类处理的结果包括聚类中心，所述根据所述聚类处理的结果，确定所述目标样本，包括：
9.根据权利要求1所述的方法，其特征在于，所述根据所述目标样本完成模型训练，包括：
10.根据权利要求9所述的方法，其特征在于，所述待训练模型包括端到端模型。
11.根据权利要求9所述的方法，其特征在于，所述根据待训练模型，确定所述目标样本的样本标签，包括：
12.根据权利要求11所述的方法，其特征在于，所述根据所述目...
【专利技术属性】
技术研发人员：伍盛坤，向思宇，冯天宇，邓林旺，
申请(专利权)人：比亚迪股份有限公司，
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。