[發明專利]一種分類模型的損失值獲取方法及裝置

在審

• 申請號: 201810362639.2
• 申請日: 2018-04-20
• 公開（公告）號: CN108764283A
• 公開（公告）日: 2018-11-06
• 發明（設計）人: 張志偉;楊帆
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

本發明實施例提供了一種分類模型的損失值獲取方法及裝置。通過本發明實施例的方法，將樣本數據輸入預設分類模型中，得到該樣本數據分別屬于每一個預設分類的概率；獲取該樣本數據的標注分類；根據該標注分類獲取該樣本數據分別與每一個預設分類之間的懲罰權重，該樣本數據分別與每一個預設分類之間的懲罰權重不全相同；根據每一個懲罰權重和每一個概率獲取預設分類模型的損失值，根據預設分類模型的損失值就可以確定出該預設分類模型對該樣本數據預測的錯誤程度，之后選擇與該錯誤程度相適應的優化方式來優化預設分類模型就能使得預設分類模型達到要求。因此，相比于現有技術，本發明實施例可以提高優化效率。

技術領域

本發明涉及計算機技術領域，特別是涉及一種分類模型的損失值獲取方法及裝置。

背景技術

近來，深度學習在視頻圖像、語音識別以及自然語言處理等相關領域得到了廣泛應用。卷積神經網絡作為深度學習的一個重要分支，由于其超強的擬合能力以及端到端的全局優化能力，使得視頻圖像分類任務在應用卷積神經網絡之后，預測精度大幅提升。

雖然目前的分類模型對圖像具有了一定的分類能力，但是仍然會出現大量分類錯誤的情況。因此，往往需要使用樣本數據獲取分類模型的損失值，根據損失值優化分類模型。

發明內容

為解決上述技術問題，本發明實施例示出了一種分類模型的損失值獲取方法及裝置。

第一方面，本發明實施例示出了一種分類模型的損失值獲取方法，所述方法包括：

將樣本數據輸入預設分類模型中，得到所述樣本數據分別屬于每一個預設分類的概率；

獲取所述樣本數據的標注分類；

根據所述標注分類獲取所述樣本數據分別與每一個預設分類之間的懲罰權重；

根據每一個懲罰權重和每一個概率獲取所述預設分類模型的損失值。

在一個可選的實現方式中，所述根據所述標注分類獲取所述樣本數據分別與每一個預設分類之間的懲罰權重，包括：

對于每一個預設分類，在已存儲的分類對與懲罰權重之間的對應關系中，查找與由所述標注分類和所述預設分類組成的分類對相對應的懲罰權重。

在一個可選的實現方式中，所述根據每一個懲罰權重和每一個概率獲取所述預設分類模型的損失值，包括：

對于每一個預設分類，根據所述樣本數據屬于所述預設分類的概率獲取所述樣本數據與所述預設分類之間的交叉熵損失值，根據所述樣本數據與所述預設分類之間的懲罰權重，以及所述交叉熵損失值獲取所述預設分類對應的損失值；

根據每一個預設分類分別對應的損失值獲取所述預設分類模型的損失值。

在一個可選的實現方式中，所述根據所述樣本數據屬于所述預設分類的概率獲取所述樣本數據與所述預設分類之間的交叉熵損失值，包括：

將所述樣本數據屬于所述預設分類的概率輸入預設交叉熵損失函數，得到所述預設交叉熵損失函數輸出的交叉熵損失值。

在一個可選的實現方式中，所述根據所述樣本數據與所述預設分類之間的懲罰權重，以及所述交叉熵損失值獲取所述預設分類對應的損失值，包括：

計算所述樣本數據與所述預設分類之間的懲罰權重，與所述交叉熵損失值之間的乘積，得到所述預設分類對應的損失值。

在一個可選的實現方式中，所述根據每一個預設分類分別對應的損失值獲取所述預設分類模型的損失值，包括：

將每一個預設分類分別對應的損失值求和，得到損失總值；

計算預設分類的數量；

計算所述損失總值與所述數量之間的比值，得到所述預設分類模型的損失值。