[發明專利]一種脈沖星搜索模型的訓練方法、應用方法、裝置及設備

在審

• 申請號: 202210720105.9
• 申請日: 2022-06-23
• 公開（公告）號: CN115130570A
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 李昱希;謝鳴;程小峰;丁玫菲;王亞彪;羅澤坤;甘振業;孫眾毅
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 聶秀娜

1.一種脈沖星搜索模型的訓練方法，其特征在于，包括：

將脈沖星訓練樣本數據集輸入至脈沖星搜索模型，通過所述脈沖星搜索模型輸出所述脈沖星訓練樣本數據集中的每個脈沖星訓練樣本對應的正樣本類別預測值以及負樣本類別預測值，其中，所述脈沖星訓練樣本數據集來源于攜帶有樣本類別標簽的第一目標域數據以及源域數據；

基于所述正樣本類別預測值、所述負樣本類別預測值以及所述樣本類別標簽進行損失計算，得到分類邊緣損失值；

基于所述分類邊緣損失值對所述脈沖星搜索模型進行參數調整，得到中間脈沖星搜索模型；

基于主動域適應的邊緣采樣策略，從未標注的第二目標域數據中采樣目標脈沖星訓練樣本，其中，所述目標脈沖星訓練樣本對應的正樣本類別預測值以及負樣本類別預測值之間的差值小于采樣閾值；

對每個所述目標脈沖星訓練樣本進行標注，并將標注后的每個目標脈沖星訓練樣本添加至所述訓練樣本數據集中，得到脈沖星擴展訓練樣本數據集；

迭代重復執行將所述脈沖星擴展訓練樣本數據集輸入至所述中間脈沖星搜索模型中、所述損失計算、所述參數調整、所述采樣目標脈沖星訓練樣本以及獲取所述脈沖星擴展訓練樣本數據集的步驟，直至滿足收斂條件，得到目標脈沖星搜索模型。

2.根據權利要求1所述的方法，其特征在于，所述基于主動域適應的邊緣采樣策略，從未標注的第二目標域數據中采樣目標脈沖星訓練樣本，包括：

將所述第二目標域數據輸入至所述中間脈沖星搜索模型中，通過所述中間脈沖星搜索模型輸出所述第二目標域數據中的每個候選脈沖星樣本對應的正樣本類別候選預測值以及負樣本類別候選預測值；

基于所述主動域適應的邊緣采樣策略、所述正樣本類別候選預測值以及所述負樣本類別候選預測值，從所述第二目標域數據的候選脈沖星樣本中采樣所述目標脈沖星訓練樣本。

3.根據權利要求2所述的方法，其特征在于，所述基于所述主動域適應的邊緣采樣策略、所述正樣本類別候選預測值以及所述負樣本類別候選預測值，從所述第二目標域數據的候選脈沖星樣本中采樣所述目標脈沖星訓練樣本，包括：

對所述正樣本類別候選預測值進行邊緣歸一化處理，得到邊緣正樣本評分；

對所述負樣本類別候選預測值進行邊緣歸一化處理，得到邊緣負樣本評分；

基于所述邊緣正樣本評分以及所述邊緣負樣本評分，從所述第二目標域數據的候選脈沖星樣本中采樣所述目標脈沖星訓練樣本。

4.根據權利要求3所述的方法，其特征在于，所述基于所述邊緣正樣本評分以及所述邊緣負樣本評分，從所述第二目標域數據的候選脈沖星樣本中采樣所述目標脈沖星訓練樣本之前，所述方法還包括：

基于所述正樣本類別候選預測值以及所述負樣本類別候選預測值計算候選分類邊緣損失值；

所述基于所述邊緣采樣評分，從所述第二目標域數據的候選脈沖星樣本中采樣所述目標脈沖星訓練樣本，包括：

基于所述邊緣正樣本評分以及所述邊緣負樣本評分，計算邊緣采樣評分；

基于所述邊緣采樣評分的梯度方向以及所述候選分類邊緣損失值的梯度方向，從所述第二目標域數據的候選脈沖星樣本中采樣所述目標脈沖星訓練樣本。

5.根據權利要求4所述的方法，其特征在于，所述基于所述邊緣采樣評分的梯度方向以及所述候選分類邊緣損失值的梯度方向，從所述第二目標域數據的候選脈沖星樣本中采樣所述目標脈沖星訓練樣本，包括：

計算所述候選分類邊緣損失值的梯度方向與所述邊緣采樣評分的梯度方向之間的相似度，得到相似得分；

基于所述邊緣采樣評分以及所述相似得分，計算每個所述候選脈沖星樣本的邊緣方向修正評分；

從所述第二目標域數據中采樣所述邊緣方向修正評分滿足采樣閾值范圍的候選脈沖星樣本，作為所述目標脈沖星訓練樣本。