[發(fā)明專利]樣本數(shù)量的確定方法、裝置、電子設備及存儲介質(zhì)在審
| 申請?zhí)枺?/td> | 202010144448.6 | 申請日： | 2020-03-04 |
| 公開（公告）號： | CN111428858A | 公開（公告）日： | 2020-07-17 |
| 發(fā)明（設計）人： | 蘇英菲 | 申請（專利權(quán)）人： | 東軟睿馳汽車技術（沈陽）有限公司 |
| 主分類號： | G06N3/04 | 分類號： | G06N3/04;G06N3/08 |
| 代理公司： | 北京博思佳知識產(chǎn)權(quán)代理有限公司 11415 | 代理人： | 康瑩 |
| 地址： | 110172 遼寧*** | 國省代碼： | 遼寧;21 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 樣本 數(shù)量 確定 方法 裝置 電子設備 存儲 介質(zhì) | ||
1.一種樣本數(shù)量的確定方法，其特征在于，包括：
獲取用于訓練深度學習模型的多幅樣本圖像信息；
從所述多幅樣本圖像信息中獲取多個不同設定數(shù)量的樣本圖像信息，訓練出多個深度學習模型；
獲取每個所述深度學習模型的評價結(jié)果；
基于所述評價結(jié)果，從所述多個不同設定數(shù)量中確定使所述深度學習模型穩(wěn)定的最小樣本數(shù)量。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從所述多幅樣本圖像信息中獲取多個不同設定數(shù)量的樣本圖像信息，訓練出多個深度學習模型，包括：
從所述多幅樣本圖像信息中每次獲取設定數(shù)量的樣本圖像信息，對當前得到的深度學習模型進行訓練，得到每次訓練后的深度學習模型。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取每個所述深度學習模型的評價結(jié)果，包括：
將測試圖像信息輸入每個所述深度學習模型，得到各個所述深度學習模型對所述測試圖像信息中目標物體的預測結(jié)果；
基于所述預測結(jié)果對每個所述深度學習模型進行評價，得到每個所述深度學習模型的評價結(jié)果。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述評價結(jié)果，從所述多個不同設定數(shù)量中確定使所述深度學習模型穩(wěn)定的最小樣本數(shù)量，包括：
繪制各個深度學習模型的樣本圖像信息數(shù)量與評價結(jié)果的對應關系曲線；
基于所述曲線確定使所述深度學習模型穩(wěn)定的最小樣本數(shù)量。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述基于所述曲線確定使所述深度學習模型穩(wěn)定的最小樣本數(shù)量，包括：
基于所述曲線確定使所述深度學習模型穩(wěn)定的各個樣本圖像信息數(shù)量；
基于所述各個樣本圖像信息數(shù)量中最小的樣本圖像信息數(shù)量，確定使所述深度學習模型穩(wěn)定的最小樣本數(shù)量。
6.一種樣本數(shù)量的確定裝置，其特征在于，包括：
樣本圖像獲取模塊，用于獲取用于訓練深度學習模型的多幅樣本圖像信息；
學習模型訓練模塊，用于從所述多幅樣本圖像信息中獲取多個不同設定數(shù)量的樣本圖像信息，訓練出多個深度學習模型；
評價結(jié)果獲取模塊，用于獲取每個所述深度學習模型的評價結(jié)果；
樣本圖像信息數(shù)量確定模塊，用于基于所述評價結(jié)果，從所述多個不同設定數(shù)量中確定使所述深度學習模型穩(wěn)定的最小樣本數(shù)量。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述學習模型訓練模塊，還用于從所述多幅樣本圖像信息中每次獲取設定數(shù)量的樣本圖像信息，對當前得到的深度學習模型進行訓練，得到每次訓練后的深度學習模型。
8.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述評價結(jié)果獲取模塊，包括：
預測結(jié)果獲取單元，用于將測試圖像信息輸入每個所述深度學習模型，得到各個所述深度學習模型對所述測試圖像信息中目標物體的預測結(jié)果；
評價結(jié)果獲取單元，用于基于所述預測結(jié)果對每個所述深度學習模型進行評價，得到每個所述深度學習模型的評價結(jié)果。
9.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述樣本圖像信息數(shù)量確定模塊，包括：
關系曲線繪制單元，用于繪制各個深度學習模型的樣本圖像信息數(shù)量與評價結(jié)果的對應關系曲線；
樣本圖像信息數(shù)量確定單元，用于基于所述曲線確定使所述深度學習模型穩(wěn)定的最小樣本數(shù)量。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述樣本圖像信息數(shù)量確定單元，還用于：
基于所述曲線確定使所述深度學習模型穩(wěn)定的各個樣本圖像信息數(shù)量；
基于所述各個樣本圖像信息數(shù)量中最小的樣本圖像信息數(shù)量，確定使所述深度學習模型穩(wěn)定的最小樣本數(shù)量。
該專利技術資料僅供研究查看技術是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于東軟睿馳汽車技術（沈陽）有限公司，未經(jīng)東軟睿馳汽車技術（沈陽）有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010144448.6/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
