[發明專利]識別模型確定方法及裝置有效
| 申請號： | 201611054601.6 | 申請日： | 2016-11-25 |
| 公開（公告）號： | CN106778820B | 公開（公告）日： | 2020-06-19 |
| 發明（設計）人： | 陳志軍 | 申請（專利權）人： | 北京小米移動軟件有限公司 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62 |
| 代理公司： | 北京同立鈞成知識產權代理有限公司 11205 | 代理人： | 楊貝貝;劉芳 |
| 地址： | 100085 北京市海淀區清河*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 識別 模型 確定 方法 裝置 | ||
本公開是關于一種識別模型確定方法及裝置。該方法包括：將任意N個樣本均輸入初始的識別模型，獲取各樣本的識別結果，根據每個樣本的標定結果及該樣本的識別結果，確定該樣本的權重值，根據各樣本的標定結果、識別結果及權重值確定N個樣本的損失函數，根據損失函數及隨機梯度下降方法獲取更新后的識別模型，再將任意N個樣本輸入更新后的識別模型，確定各樣本的識別結果，根據每個樣本的標定結果、識別結果及權重值確定其更新后的權重值，根據每個樣本的標定結果、識別結果及每個樣本的更新后的權重值確定更新后的損失函數，重復此步驟，直至更新后的損失函數收斂，采用收斂的損失函數確定最終的識別模型，從而，提高了確定識別模型的效率。
技術領域
本公開涉及機器視覺技術，尤其涉及一種識別模型確定方法及裝置。
背景技術
隨著計算機技術的發展，可以通過機器學習的方法確定識別模型，再采用該識別模型對圖像中的目標物體或文字進行識別。
相關技術中，采用以下方法確定識別模型：對樣本集進行標定，確定標定結果，確定一個初始的識別模型，再將樣本集中的每個樣本輸入該初始的識別模型，確定識別結果，根據標定結果及識別結果確定損失函數，再根據損失函數對初始的識別模型進行更新，獲取更新后的模型，重復上述步驟，直至損失函數收斂，最終會確定一個識別模型。
發明內容
為克服相關技術中存在的問題，本公開提供一種識別模型確定方法及裝置。
根據本公開實施例的第一方面，提供一種識別模型確定方法，包括：
將樣本集中的任意N個樣本均輸入初始的識別模型，獲取所述N個樣本中的每個樣本的識別結果；
根據預先獲取的每個樣本的標定結果及每個樣本的識別結果，確定每個樣本的權重值；
根據每個樣本的標定結果、識別結果及權重值確定所述N個樣本的損失函數；
根據所述損失函數及隨機梯度下降方法對所述初始的識別模型進行更新，獲取更新后的識別模型，從所述樣本集中再次選擇任意N個樣本輸入所述更新后的識別模型，確定所述N個樣本中的每個樣本的識別結果，根據每個樣本的標定結果、采用所述更新后的識別模型得到的識別結果及每個樣本的權重值確定其更新后的權重值，根據每個樣本的標定結果、采用所述更新后的識別模型得到的識別結果及每個樣本的更新后的權重值確定更新后的損失函數，重復此步驟，直至更新后的損失函數收斂；
采用收斂的損失函數確定最終的識別模型。
結合第一方面，在第一方面的第一種可能的實現方式中，所述根據預先獲取的每個樣本的標定結果及每個樣本的識別結果，確定每個樣本的權重值，包括：
若樣本的識別結果與標定結果一致，則確定所述樣本的權重值為預設權重初始值；
若樣本的識別結果與標定結果不一致，則確定所述樣本的權重值為所述預設權重初始值乘以第一預設參數；其中，所述預設參數為大于1的數。
結合第一方面，在第一方面的第二種可能的實現方式中，所述根據預先獲取的每個樣本的標定結果及每個樣本的識別結果，確定每個樣本的權重值，包括：
若樣本的識別結果與標定結果一致，則確定所述樣本的權重值為預設權重初始值乘以第二預設參數；其中，所述第二預設參數為小于1的數；
若樣本的識別結果與標定結果不一致，則確定所述樣本的權重值為所述預設權重初始值除以所述第二預設參數。
結合第一方面或第一方面的第一種可能的實現方式或第一方面的第二種可能的實現方式，在第一方面的第三種可能的實現方式中，所述根據每個樣本的標定結果、識別結果及權重值確定所述N個樣本的損失函數，包括：
根據樣本的標定結果及樣本的識別結果確定所述樣本的初始損失函數；
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京小米移動軟件有限公司，未經北京小米移動軟件有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201611054601.6/2.html，轉載請聲明來源鉆瓜專利網。
