-
公开(公告)号:CN108960283B
公开(公告)日:2022-01-11
申请号:CN201810540204.2
申请日:2018-05-30
申请人: 北京市商汤科技开发有限公司
摘要: 本公开涉及一种分类任务增量处理方法及装置、电子设备和存储介质。其中所述方法包括:利用第一数据样本获得对应于所述第一数据样本的第一任务模型,该第一任务模型用于执行第一任务;基于第一任务模型和当前的第二任务模型确定预设损失函数,该第二任务模型用于执行第二任务;至少基于所述预设损失函数、第一数据样本、第一任务模型和第二任务模型,建立多任务模型,其中,所述多任务模型用于执行第三任务,所述第三任务包括第一任务和/或第二任务。本公开实施例可以在不需要使用全部数据样本的情况下,实现分类任务的增量处理。
-
公开(公告)号:CN110210560A
公开(公告)日:2019-09-06
申请号:CN201910472078.6
申请日:2019-05-31
申请人: 北京市商汤科技开发有限公司
IPC分类号: G06K9/62
摘要: 本申请实施例提供了一种分类网络的增量训练方法、分类方法及装置、设备及存储介质。所述方法,包括:利用第一分类网络对多个类别的多个训练图像样本进行特征提取,得到所述多个训练图像样本的第一样本特征,其中,所述多个训练图像样本包括:第一数量的老类别图像样本及第二数量的新类别图像样本,所述第二数量大于所述第一数量;对所述多个训练图像样本的第一样本特征进行归一化处理,得到多个训练图像样本的第一归一化特征;基于所述多个训练图像样本的第一归一化特征,确定网络损失;基于所述网络损失,调整所述第一分类网络的网络参数。
-
公开(公告)号:CN110210560B
公开(公告)日:2021-11-30
申请号:CN201910472078.6
申请日:2019-05-31
申请人: 北京市商汤科技开发有限公司
IPC分类号: G06K9/62
摘要: 本申请实施例提供了一种分类网络的增量训练方法、分类方法及装置、设备及存储介质。所述方法,包括:利用第一分类网络对多个类别的多个训练图像样本进行特征提取,得到所述多个训练图像样本的第一样本特征,其中,所述多个训练图像样本包括:第一数量的老类别图像样本及第二数量的新类别图像样本,所述第二数量大于所述第一数量;对所述多个训练图像样本的第一样本特征进行归一化处理,得到多个训练图像样本的第一归一化特征;基于所述多个训练图像样本的第一归一化特征,确定网络损失;基于所述网络损失,调整所述第一分类网络的网络参数。
-
公开(公告)号:CN108960283A
公开(公告)日:2018-12-07
申请号:CN201810540204.2
申请日:2018-05-30
申请人: 北京市商汤科技开发有限公司
CPC分类号: G06K9/6267 , G06K9/6218
摘要: 本公开涉及一种分类任务增量处理方法及装置、电子设备和存储介质。其中所述方法包括:利用第一数据样本获得对应于所述第一数据样本的第一任务模型,该第一任务模型用于执行第一任务;基于第一任务模型和当前的第二任务模型确定预设损失函数,该第二任务模型用于执行第二任务;至少基于所述预设损失函数、第一数据样本、第一任务模型和第二任务模型,建立多任务模型,其中,所述多任务模型用于执行第三任务,所述第三任务包括第一任务和/或第二任务。本公开实施例可以在不需要使用全部数据样本的情况下,实现分类任务的增量处理。
-
公开(公告)号:CN106228188B
公开(公告)日:2020-09-08
申请号:CN201610586139.8
申请日:2016-07-22
申请人: 北京市商汤科技开发有限公司
发明人: 潘薪宇
IPC分类号: G06K9/62
摘要: 本发明实施例公开了一种聚类方法、装置及电子设备,该方法包括:获取M个样本数据中每两个样本数据之间的样本间相似度,M为正整数;根据获取的样本间相似度将所述M个样本数据合并为N个初始化聚类簇,N为小于M的正整数;对所述N初始化聚类簇进行聚类合并,得到所述M个样本数据对应的多个聚类簇。应用本发明实施例,有效地提高了聚类速度。
-
公开(公告)号:CN106228188A
公开(公告)日:2016-12-14
申请号:CN201610586139.8
申请日:2016-07-22
申请人: 北京市商汤科技开发有限公司
发明人: 潘薪宇
IPC分类号: G06K9/62
CPC分类号: G06F16/285 , G06F7/08 , G06F7/14 , G06K9/6222 , G06K9/6215
摘要: 本发明实施例公开了一种聚类方法、装置及电子设备,该方法包括:获取M个样本数据中每两个样本数据之间的样本间相似度,M为正整数;根据获取的样本间相似度将所述M个样本数据合并为N个初始化聚类簇,N为小于M的正整数;对所述N初始化聚类簇进行聚类合并,得到所述M个样本数据对应的多个聚类簇。应用本发明实施例,有效地提高了聚类速度。
-
-
-
-
-