目标词去除方法、模型训练方法、装置、电子设备和介质.pdf
是向****23
亲,该文档总共21页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
目标词去除方法、模型训练方法、装置、电子设备和介质.pdf
本公开的实施例公开了目标词去除方法、模型训练方法、装置、电子设备和介质。该方法的一具体实施方式包括:对预获取的文本进行语义分析,得到语义分析结果;基于上述语义分析结果,对上述文本进行目标词筛选,得到第一目标词集;基于上述第一目标词集,生成重要性评分值集;响应于确定上述重要性评分值集中的重要性评分值满足第一预定条件,将所满足预定条件的重要性评分值对应的目标词从上述文本中去除,得到去除目标词后的文本。该实施方式可以避免构建目标词词库,在一定程度上提高在不同目标词场景中的目标词去除的准确度。
目标检测模型的训练方法、装置、电子设备和存储介质.pdf
本公开提供了一种目标检测模型的训练方法、装置、电子设备和存储介质,涉及人工智能技术领域,具体为深度学习、图像处理、计算机视觉技术领域,尤其涉及目标检测领域中的小样本目标检测领域。具体实施为:将样本图像输入特征提取网络,得到样本图像的特征图;将特征图输入区域建议网络,得到区域建议网络输出的中间候选框集合以及待识别候选框集合;基于中间候选框集合构建的正样本对和负样本对,确定对比学习损失;并且,确定筛选损失以及检测损失;基于对比学习损失、筛选损失以及检测损失调整目标检测模型的可学习参数,在满足训练收敛条件的情况
目标检测模型的训练方法及装置、电子设备和存储介质.pdf
本公开公开了目标检测模型的训练方法及装置、电子设备和存储介质,涉及人工智能技术领域,涉及计算机视觉和深度学习技术领域,可应用于图像处理、图像识别等场景。通过获取训练图像信息将样本图像输入目标检测模型,以获取特征图序列以及预测目标信息,针对特征图序列中任意两个特征图组成的特征图对,对特征图对中的两个特征图按照第一尺度进行区域关系图提取处理,得到区域关系图对,根据各个区域关系图对、样本目标信息、预测目标信息,对目标检测模型进行训练时,采用任意两个特征图对中的区域关系,且区域关系为从尺度较大的特征图中提取得到,
模型训练方法和装置、电子设备、存储介质.pdf
本实施例提供一种模型训练方法和装置、电子设备、存储介质,属于机器学习技术领域。该方法包括:通过将联邦学习与区块链技术进行结合,使想要记账的记账节点从原始区块链中获取记账权,不再依赖于单一的中心节点记账,提高模型训练的安全性,记账节点根据记账权更新本地模型的初始模型参数,得到目标模型参数,根据目标模型参数,记账节点将预记账的新区块添加至原始区块链中,得到当前区块,记账节点获取当前区块链的区块模型参数,根据区块模型参数的梯度更新本地模型,得到目标模型,通过不断更新区块模型参数来更新本地模型,得到目标模型,能够
搜索方法、模型训练方法、装置、电子设备和介质.pdf
本公开提供了一种搜索方法、模型训练方法、装置、电子设备和介质,涉及人工智能技术领域,具体为深度学习、图像处理、计算机视觉技术领域,可应用于视频处理等场景。具体实现方案为:获取对多个候选视频分别进行特征提取得到的局部特征和语义特征,局部特征用于表征对应候选视频的风格、外观中的至少一项,语义特征用于表征对应候选视频中内容主体所属的类别;对局部特征和语义特征进行特征融合,得到融合特征。由此,在根据文本搜索视频的场景下,同时基于各候选视频的语义特征(即深层特征)和局部特征(即浅层特征),从各候选视频中确定与搜索文