[發明專利]用于訓練混合模型的方法和設備

有效

• 申請號: 201610201154.6
• 申請日: 2016-03-31
• 公開（公告）號: CN107292323B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 劉春辰;馮璐;衛文娟;藤卷遼平
• 申請（專利權）人: 日本電氣株式會社
• 主分類號: G06V10/774
• 分類號: G06V10/774
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 王茂華

1.一種訓練用于圖像壓縮的混合模型的方法，所述混合模型包括多個子壓縮模型，所述方法包括：

響應于接收到包括多幅圖像的第一圖像數據集，確定所述第一圖像數據集相對于所述多個子壓縮模型的第一分布；以及

迭代執行以下操作至少一次，直至收斂條件被滿足：

基于所述第一分布，降低所述多個子壓縮模型中的第一子壓縮模型的第一子空間維度；

基于降低后的所述第一子空間維度，更新所述第一分布；

響應于對所述混合模型的調用，確定所述混合模型中是否包含不活躍子壓縮模型，所述不活躍子壓縮模型上分布的數據量小于閾值量；以及

響應于確定所述混合模型中包括所述不活躍子壓縮模型，通過移除所述不活躍子壓縮模型來收縮所述混合模型。

2.根據權利要求1所述的方法，其中所述收斂條件包括以下至少一個：

所述迭代的次數達到預定次數，以及

所述第一分布和所述第一子空間維度中至少一個的變化量低于預定閾值。

3.根據權利要求1或2所述的方法，其中所述第一圖像數據集來自流數據中，所述方法還包括：

響應于接收到所述流數據中在所述第一圖像數據集之后的第二圖像數據集，確定所述第二圖像數據集相對于所述多個子壓縮模型的第二分布；以及

迭代執行以下操作至少一次，直至收斂條件被滿足：

基于所述第二分布，降低所述多個子壓縮模型中的第二子壓縮模型的第二子空間維度；以及

基于降低后的所述第二子空間維度，更新所述第二分布。

4.根據權利要求1所述的方法，其中所述第一分布由所述第一圖像數據集的隱變量的變分分布表示，并且確定所述第一分布包括：

隨機地初始化所述隱變量的變分分布。

5.根據權利要求1所述的方法，其中所述混合模型包括主成分分析(PCA)模型、線性判別分析(LDA)模型、局部線性嵌入(LLE)模型或者拉普拉斯特征映射模型。

6.一種訓練用于圖像壓縮的混合模型的設備，所述混合模型包括多個子壓縮模型，所述設備包括：

至少一個處理單元，被配置為：

響應于接收到包括多幅圖像的第一圖像數據集，確定所述第一圖像數據集相對于所述多個子壓縮模型的第一分布；以及

迭代執行以下操作至少一次，直至收斂條件被滿足：

基于所述第一分布，降低所述多個子壓縮模型中的第一子壓縮模型的第一子空間維度；

基于降低后的所述第一子空間維度，更新所述第一分布；

響應于對所述混合模型的調用，確定所述混合模型中是否包含不活躍子壓縮模型，所述不活躍子壓縮模型上分布的數據量小于閾值量；以及

響應于確定所述混合模型中包括所述不活躍子壓縮模型，通過移除所述不活躍子壓縮模型來收縮所述混合模型。

7.根據權利要求6所述的設備，其中所述收斂條件包括以下至少一個：

所述迭代的次數達到預定次數，以及

所述第一分布和所述第一子空間維度中至少一個的變化量低于預定閾值。

8.根據權利要求6或7所述的設備，其中所述第一圖像數據集來自流數據中，所述至少一個處理單元還被配置為：

響應于接收到所述流數據中在所述第一圖像數據集之后的第二圖像數據集，確定所述第二圖像數據集相對于所述多個子壓縮模型的第二分布；以及

迭代執行以下操作至少一次，直至收斂條件被滿足：

基于所述第二分布，降低所述多個子壓縮模型中的第二子壓縮模型的第二子空間維度；以及

基于降低后的所述第二子空間維度，更新所述第二分布。

9.根據權利要求6所述的設備，其中所述第一分布由所述第一圖像數據集的隱變量的變分分布表示，并且確定所述第一分布包括：

隨機地初始化所述隱變量的變分分布。

10.根據權利要求6所述的設備，其中所述混合模型包括主成分分析(PCA)模型、線性判別分析(LDA)模型、局部線性嵌入(LLE)模型或者拉普拉斯特征映射模型。