领域泛化方法、装置和模型产品.pdf
猫巷****松臣
亲,该文档总共16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
领域泛化方法、装置和模型产品.pdf
本公开提出一种领域泛化方法、装置和模型产品,涉及计算机视觉技术领域。本公开利用风格记忆进行领域有关的风格特征的学习,利用语义记忆进行领域无关的语义特征的学习,再进行风格特征和语义特征的解耦合,根据语义特征,通过分类预测源领域的样本的类别,根据风格特征的学习损失、语义特征的学习损失、解耦合损失、分类损失,更新领域泛化模型的参数,从而使模型有能力提取样本与领域无关的语义特征,提高模型对任何未知目标领域的泛化能力。
基于特征解耦的领域泛化和领域自适应血细胞分类方法.pdf
本发明具体公开了一种基于特征解耦的领域泛化和领域自适应血细胞分类方法,所述方法包括以下步骤:S1、搭建深度神经网络血细胞分类模型;S2、构建孪生网络特征解耦模块;S3、预处理源域血细胞图像,并将源域血细胞图像与预处理后的源域血细胞图像一并输入孪生网络特征解耦模块中进行训练;S4、将孪生网络特征解耦模块的两个输出批量归一化处理,并利用KL散度对齐两个输出的风格信息和内容信息,进而通过预定义的分类损失函数进行分类模型优化;S5、对目标域的血细胞测试样本进行预测分类。本发明采用对比学习方法,有效减少了网络模型的
模型构建方法、装置、设备、介质和产品.pdf
本申请公开了一种模型构建方法、装置、设备、介质和产品。该模型构建方法包括:获取多个用户的特征数据;其中,每个用户具有多个特征数据;每个所述特征数据为所述用户投诉的业务所对应的数据;基于各用户的所述特征数据,以及距离哈希函数,得到哈希函数族;基于所述哈希函数族,构建哈希树;基于多个哈希树,构建距离哈希森林;以基于所述距离哈希森林预测待检测用户是否为待投诉用户。根据本申请实施例,无需确定该用户是否为投诉用户,这样可不需要对投诉用户添加标签,实现无监督学习,得到预测待投诉用户的模型,提升了投诉用户预测的精确性。
批量修改参数化模型的方法和装置.pdf
本发明公开了一种批量修改参数化模型的方法和装置,包括:模型预选模块,用于预选一批参数化模型;类型编辑模块,用于根据参数化模型特征,指定编辑类型,其中,编辑类型包括变量值、变量类型、子模型样式、模型自身属性值;模型确认模块,依据编辑类型从预选的一批参数化模型确定需要被执行编辑操作的多个参数化模型;目标输入模块,用于输入编辑类型的执行目标;执行模块,用于依据编辑类型的执行目标对确定的多个参数化模型执行批量编辑操作,以修改参数化模型的编辑类型。该方法和装置能够高效准确地实现对参数化模型的批量修改。
建立个性化模型的方法和装置.pdf
本说明书实施例提供了一种建立个性化模型的方法和装置。根据该实施例的方法,首先在服务器端利用全局用户数据进行学习,构建全局模型;然后利用目标场景对应的局部用户数据在所述全局模型基础上进一步学习,得到所述目标场景对应的个性化模型;最后再将所述个性化模型部署于所述目标场景对应的终端设备。