买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：鹏城实验室

摘要：本申请提出了一种模型间的特征向后兼容学习方法，通过获取第一分类模型、第二分类模型以及训练数据集；基于第一分类模型以及第二分类模型计算每个子数据集对应的第一特征值以及第二特征值；对第一特征值进行扰动计算，得到对应的第三特征值；基于第二分类模型计算每个数据样本对应的目标特征向量，并根据目标特征向量与第一特征值之间构造负样本对，根据目标特征向量与第三特征值之间构造正样本对，计算得到第一损失函数；基于第二分类模型对训练数据集进行分类，根据第二分类模型的分类正确率计算得到第二分类模型的第二损失函数；基于第一损失函数以及第二损失函数更新第二分类模型的模型参数。该方法能够提高新模型的判别能力。

主权项：1.一种模型间的特征向后兼容学习方法，其特征在于，所述方法包括：获取第一分类模型、第二分类模型以及训练数据集；其中，所述训练数据集中包括多个子数据集，每个所述子数据集中包括至少一个数据样本，所述数据样本为图像或者图像的特征向量；基于所述第一分类模型对每个所述子数据集进行计算，得到每个所述子数据集对应的第一特征值，并基于所述第二分类模型对每个所述子数据集进行计算，得到每个所述子数据集对应的第二特征值，包括：基于所述第一分类模型计算每个所述子数据集中的每个所述数据样本的第一特征向量，并基于所述第二分类模型计算每个所述子数据集中的每个所述数据样本的第二特征向量；基于所有所述第一特征向量进行均值计算，得到所述第一特征值，并基于所有所述第二特征向量进行均值计算，得到所述第二特征值；对每个所述子数据集对应的所述第一特征值进行扰动计算，得到每个所述子数据集对应的第三特征值；基于所述第二分类模型计算每个所述数据样本对应的目标特征向量，并根据每个所述数据样本对应的目标特征向量与每个所述数据样本所属的子数据集对应的第一特征值之间构造负样本对，根据每个所述数据样本对应的目标特征向量与每个所述数据样本所属的子数据集对应的所述第三特征值之间构造正样本对，根据所述正样本对和所述负样本对计算得到第一损失函数；基于所述第二分类模型对所述训练数据集中的数据样本进行分类，以获取所述第二分类模型的分类正确率，并根据所述第二分类模型的分类正确率计算得到所述第二分类模型的第二损失函数；基于所述第一损失函数以及所述第二损失函数构建目标损失函数，并根据所述目标损失函数更新所述第二分类模型的模型参数，得到更新后的第二分类模型。

全文数据：

权利要求：

百度查询： 鹏城实验室 模型间的特征向后兼容学习方法、电子设备及存储介质