深度學習模型的建立方法、數(shù)據(jù)處理方法及裝置

基本信息

申請?zhí)?/td> CN202011105400.0 申請日 -
公開（公告）號 CN114429559A 公開（公告）日 2022-05-03
申請公布號 CN114429559A 申請公布日 2022-05-03
分類號 G06V10/764（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 黃俊強 申請（專利權）人 內蒙古曠視金智科技有限公司
代理機構 北京潤澤恒知識產(chǎn)權代理有限公司 代理人 王婷婷
地址 100086北京市海淀區(qū)科學院南路2號融科資訊中心A座316-318
法律狀態(tài) -

摘要

摘要 本發(fā)明提供了一種深度學習模型的建立方法、數(shù)據(jù)處理方法及裝置，首先通過對原始樣本數(shù)據(jù)進行力度較小的數(shù)據(jù)增廣處理，獲取第一樣本數(shù)據(jù)和第二樣本數(shù)據(jù)，并利用初始深度學習模型處理第一樣本數(shù)據(jù)直接獲取第一特征向量，但在利用初始深度學習模型處理第二樣本數(shù)據(jù)時，修改第二樣本數(shù)據(jù)對應的目標特征圖的尺寸，相當于在特征空間中對第二樣本數(shù)據(jù)進行了進一步的隱形數(shù)據(jù)增廣，由于不是基于原始樣本數(shù)據(jù)的數(shù)據(jù)本身進行的數(shù)據(jù)增廣，從而可以確保針對于第二樣本數(shù)據(jù)的處理較為適中，使得第一特征向量和第二特征向量之間在特征空間上有合適的距離，有利于進一步基于這些特征向量對初始深度學習模型進行訓練，從而提高了目標深度學習模型的精度。