[發明專利]基于數理統計的反向傳播優化方法、裝置及電子設備

有效

• 申請號: 201810763738.1
• 申請日: 2018-07-12
• 公開（公告）號: CN110717359B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 楊治昆;趙曉剛
• 申請（專利權）人: 浙江宇視科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774;G06V10/82;G06N3/0464;G06N3/044;G06N3/084
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 王術蘭

本申請實施例提供一種基于數理統計的反向傳播優化方法、裝置及電子設備，該方法包括：獲取樣本集，將樣本集導入至建立的訓練模型以對樣本集進行訓練；根據各樣本圖像的標簽將多個樣本圖像劃分為多個組別，并對各樣本圖像進行特征提取以計算各組別內的樣本圖像的類內距離以及各組別之間的類間距離；根據類內距離獲得類內距離分布曲線，并根據類間距離獲得類間距離分布曲線；根據設定的誤識率、類內距離分布曲線以及類間距離分布曲線計算得到損失函數；根據損失函數對輸入向量進行偏導計算，將得到的偏導數值作為反向傳播量以調整訓練模型的特征提取參數。該優化方案可在滿足設定的誤識率的基礎上提高模型的識別率，實用性更強。

技術領域

本發明涉及圖像處理技術領域，具體而言，涉及一種基于數理統計的反向傳播優化方法、裝置及電子設備。

背景技術

目前，在人臉識別以及其他相關的分類應用中，往往采用深度學習技術以實現。但是，現有的識別方案中一般考慮的是盡可能地提高識別率，如此，學習模型的訓練存在著與應用脫節的問題。因為在實際項目應用中往往對誤識率有一定要求，需要限制在設定的誤識率范圍內?，F有的識別方案無法實現對誤識率、識別率的控制，難以在項目需求下進行模型訓練。

發明內容

有鑒于此，本申請的目的在于，提供一種基于數理統計的反向傳播優化方法、裝置及電子設備以改善上述問題。

本申請實施例提供一種基于數理統計的反向傳播優化方法，所述方法包括：

獲取樣本集，將所述樣本集導入至建立的訓練模型以對所述樣本集中包含的多個樣本圖像進行訓練，其中，各所述樣本圖像攜帶有標簽；

根據各所述樣本圖像的標簽將所述多個樣本圖像劃分為多個組別，并對各所述樣本圖像進行特征提取以計算各所述組別內的樣本圖像的類內距離以及各所述組別之間的類間距離；

根據所述類內距離獲得所述樣本集的類內距離分布曲線，并根據所述類間距離獲得所述樣本集的類間距離分布曲線；

根據設定的誤識率、所述類內距離分布曲線以及所述類間距離分布曲線計算得到損失函數；

根據所述損失函數對輸入向量進行偏導計算，將得到的偏導數值作為反向傳播量以調整所述訓練模型的特征提取參數。

可選地，所述根據所述類內距離獲得所述樣本集的類內距離分布曲線，并根據所述類間距離獲得所述樣本集的類間距離分布曲線的步驟，包括：

根據所述類內距離以及統計到的類內距離的數目計算得到類內距離均值，并根據各所述類內距離以及所述類內距離均值計算得到類內方差值；

根據所述類內方差值得到所述樣本集的類內距離分布曲線；

根據所述類間距離以及統計到的類間距離的數目計算得到類間距離均值，并根據各所述類間距離以及所述類間距離均值計算得到類間方差值；

根據所述類間方差值得到所述樣本集的類間距離分布曲線。

可選地，所述根據所述類內方差值得到所述樣本集的類內距離分布曲線的步驟，包括：

根據所述類內方差值以及所述類內距離均值并按以下公式計算得到所述樣本集的類內距離分布曲線：

其中，f₁(d)為類內距離分布曲線，sigma₁為類內方差值，u₁為類內距離均值，d為所述類內距離分布曲線的橫坐標值。

可選地，所述根據所述類內方差值得到所述樣本集的類內距離分布曲線的步驟，包括：

根據所述類內方差值并按以下公式得到所述樣本集的類內距離分布曲線：