稀少內(nèi)容的分級深度學習模型檢測方法、裝置、計算機設備
基本信息
| 申請?zhí)?/td> | CN202010933073.1 | 申請日 | - |
| 公開（公告）號 | CN112183754A | 公開（公告）日 | 2021-01-05 |
| 申請公布號 | CN112183754A | 申請公布日 | 2021-01-05 |
| 分類號 | G06N5/04(2006.01)I;G06N20/00(2019.01)I | 分類 | 計算；推算；計數(shù); |
| 發(fā)明人 | 馮健明;唐會軍;劉拴林;梁堃;陳建 | 申請（專利權(quán)）人 | 北京數(shù)美時代科技有限公司 |
| 代理機構(gòu) | 北京輕創(chuàng)知識產(chǎn)權(quán)代理有限公司 | 代理人 | 北京數(shù)美時代科技有限公司 |
| 地址 | 100012北京市朝陽區(qū)望京誠盈中心3號樓14層 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明公開了一種稀少內(nèi)容的分級深度學習模型檢測方法、裝置、計算機設備。其中，所述方法包括：采用分級深度學習模型方式，將推理模型配置為初篩模型和決策模型，其中，該初篩模型為滿足預設性能閾值的模型，該決策模型為滿足預設指標閾值的模型，和調(diào)節(jié)該初篩模型的初篩閾值為第一閾值，根據(jù)該第一閾值，從稀少內(nèi)容中篩選出正常內(nèi)容，以及調(diào)整該決策模型的決策閾值為第二閾值，根據(jù)該第二閾值，從該經(jīng)篩選出正常內(nèi)容后的稀少內(nèi)容中決策出正常內(nèi)容；其中，該第二閾值小于該第一閾值。通過上述方式，能夠?qū)崿F(xiàn)在維持足夠的推理性能指標的同時，能夠減少做推理計算所需的計算資源，降低機器成本。?? |
