目标检测方法、样本增强方法、装置、设备和存储介质

    公开(公告)号:CN117197424A

    公开(公告)日:2023-12-08

    申请号:CN202310968911.2

    申请日:2023-08-02

    Abstract: 本发明实施例提供目标检测方法、样本增强方法、装置、设备和存储介质,涉及人工智能技术领域。目标检测方法利用流数据动态更新数据存储空间中的数据样本,在训练阶段利用样本增强模型对数据存储空间中的部分样本进行增强,以增加样本多样性,然后利用增强样本集、流数据样本和数据存储空间中剩余的数据样本共同作为训练样本进行模型训练,训练样本中包含在一定时间范围内的新数据、旧数据以及伪数据,这样使得目标检测任务模型能够在不断学习新任务的同时,保留以前学过的旧任务的知识,从而提高目标检测任务模型的学习效率和泛化性能,进而提升目标检测任务模型的检测准确率。

    基于语义解耦的结构化数据人工智能大模型分析方法与系统

    公开(公告)号:CN120086511A

    公开(公告)日:2025-06-03

    申请号:CN202411272332.5

    申请日:2024-09-11

    Abstract: 本申请公开了一种基于语义解耦的结构化数据人工智能大模型分析方法与系统,涉及数据分析技术领域,所述的方法包括:通过根据特征名称和/或特征描述对结构化数据中的每个特征进行语义编码;根据特征值对结构化数据中的每个特征进行数值编码,然后对语义特征向量和数值特征向量进行分析,获得数据分析结果。由于本申请分别根据特征名称和/或特征描述进行语义编码,根据特征值进行数值编码,将语义理解与数值分析解耦,从而能够从利用大语言模型实现深入、鲁棒且可泛化的结构化数据语义理解。对语义特征向量和数值特征向量进行特征分析,将原始数据转换为特征序列,无需填充或过滤缺失数据就能进行分析,提高了数据分析的准确度。

Patent Agency Ranking