[發明專利]分類模型的訓練方法及計算機可讀存儲介質

在審

• 申請號: 202210069084.9
• 申請日: 2022-01-21
• 公開（公告）號: CN114118301A
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 劉國清;楊廣;王啟程;鄭偉;劉德富;楊國武
• 申請（專利權）人: 深圳佑駕創新科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 深圳市倡創專利代理事務所(普通合伙) 44660
• 代理人: 羅明玉

1.一種分類模型的訓練方法，其特征在于，所述分類模型的訓練方法包括：

根據第一數據集訓練第一分類模型以得到預測分類模型，其中，所述第一數據集為有標簽數據的集合；

將第二數據集輸入所述預測分類模型進行計算以得到預測標簽，其中，所述第二數據集為無標簽數據的集合；

將所述第一數據集和帶有預測標簽的第二數據集兩者之一輸入第二分類模型中訓練，并更新所述第二分類模型的參數以得到中間分類模型，將兩者之另一輸入所述中間分類模型中訓練，并更新所述中間分類模型的參數；

判斷所述中間分類模型是否滿足預設條件；

當所述中間分類模型沒有滿足預設條件時，將所述第一數據集和帶有預測標簽的第二數據集兩者之一輸入所述中間分類模型中訓練，并更新所述中間分類模型的參數，將兩者之另一輸入所述中間分類模型中訓練，并更新所述中間分類模型的參數，直至所述中間分類模型滿足預設條件；以及

當所述中間分類模型滿足預設條件時，將滿足預設條件的中間分類模型作為目標分類模型。

2.如權利要求1所述的分類模型的訓練方法，其特征在于，將所述第一數據集和帶有預測標簽的第二數據集兩者之一輸入第二分類模型中訓練，并更新所述第二分類模型的參數以得到中間分類模型，將兩者之另一輸入所述中間分類模型中訓練，并更新所述中間分類模型的參數具體包括：

將所述第一數據集輸入所述第二分類模型以得到第一標簽，其中，所述第一數據集中的第一數據包括真實標簽；

根據所述第一標簽和所述真實標簽構建第一損失值；

根據所述第一損失值更新所述第二分類模型的參數以得到所述中間分類模型；

將所述第二數據集輸入所述中間分類模型以得到第二標簽；

根據所述第二標簽和所述預測標簽構建第二損失值；以及

根據所述第二損失值更新所述中間分類模型的參數。

3.如權利要求2所述的分類模型的訓練方法，其特征在于，根據所述第一標簽和所述真實標簽構建第一損失值具體包括：

從所述第一數據集的第一數據中多次選取預設數量的第一數據，其中，每次選取的第一數據均不重復；

計算每次選取的所有第一數據的第一標簽的平均值；以及

根據每次選取的第一數據的真實標簽和第一標簽的平均值構建所述第一損失值。

4.如權利要求2所述的分類模型的訓練方法，其特征在于，根據所述第二標簽和所述預測標簽構建第二損失值具體包括：

從所述第二數據集的第二數據中多次選取預設數量的第二數據，其中，每次選取的第二數據均不重復；

計算每次選取的所有第二數據的第二標簽的平均值；以及

根據每次選取的第二數據的預測標簽和第二標簽的平均值構建所述第二損失值。

5.如權利要求2所述的分類模型的訓練方法，其特征在于，判斷所述中間分類模型是否滿足預設條件具體包括：

根據所述第一損失值和所述第二損失值計算總損失值；

根據當前總損失值和上一總損失值判斷當前總損失值是否不再減小；以及

當當前總損失值不再減小時，確認所述中間分類模型滿足預設條件。

6.如權利要求1所述的分類模型的訓練方法，其特征在于，將所述第一數據集和帶有預測標簽的第二數據集兩者之一輸入第二分類模型中訓練，并更新所述第二分類模型的參數以得到中間分類模型，將兩者之另一輸入所述中間分類模型中訓練，并更新所述中間分類模型的參數具體包括：

將所述第二數據集輸入所述第二分類模型以得到第三標簽；

根據所述第三標簽和所述預測標簽構建第三損失值；

根據所述第三損失值更新所述第二分類模型的參數以得到所述中間分類模型；

將所述第一數據集輸入所述中間分類模型以得到第四標簽，其中，所述第一數據集中的第一數據包括真實標簽；

根據所述第四標簽和所述真實標簽構建第四損失值；以及

根據所述第四損失值更新所述中間分類模型的參數。