Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

作弊检测模型的训练方法、装置、设备和介质 

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:腾讯科技(深圳)有限公司

摘要:本申请公开了一种作弊检测模型的训练方法、装置、设备和介质,应用于人工智能领域。该方法包括:获取第i阶段样本图像,第i阶段样本图像包括正常图像与至少一种作弊图像,至少一种作弊图像包括样本客户端运行时标注的第一作弊图像、基于正常图像构造的第二作弊图像中的至少一种,i大于或等于1;基于第i‑1阶段作弊检测模型和第i阶段样本图像,确定用于平衡第i阶段样本图像中的正常图像与至少一种作弊图像的第i阶段损失;以减小第i阶段损失作为目标,微调第i‑1阶段作弊检测模型,得到第i阶段作弊检测模型。本方案能够提高每个阶段建模的效率,减少训练耗时,实现快速响应。

主权项:1.一种作弊检测模型的训练方法,其特征在于,所述方法包括:获取第i阶段样本图像,所述第i阶段样本图像包括正常图像与至少一种作弊图像,所述至少一种作弊图像包括样本客户端运行时标注的第一作弊图像、基于所述正常图像构造的第二作弊图像中的至少一种,所述i大于或等于1;基于第i-1阶段作弊检测模型和所述第i阶段样本图像,对所述第i阶段样本图像执行预测,得到第i阶段预测信息;所述第i-1阶段作弊检测模型是基于第i-1阶段样本图像训练得到的;基于所述第i阶段样本图像的第i阶段标签信息和所述第i阶段预测信息,确定所述第i阶段样本图像中每个所述第一作弊图像的第一子损失、每个所述第二作弊图像的第二子损失和每个所述正常图像的第三子损失;基于所述第一作弊图像以及对应的所述正常图像的第一权重、所述第二作弊图像以及对应的所述正常图像的第二权重,将所述第一子损失、第二子损失和所述第三子损失执行加权求和,得到第i阶段损失;所述第一权重大于所述第二权重,所述第一权重用于增强对于标注的所述第一作弊图像以及对应的所述正常图像的学习程度;所述第一权重和所述第二权重基于所述第i阶段样本图像中的所述第一作弊图像和所述第二作弊图像、所述正常图像的当前比例确定;以减小所述第i阶段损失作为目标,微调所述第i-1阶段作弊检测模型,得到第i阶段作弊检测模型。

全文数据:

权利要求:

百度查询: 腾讯科技(深圳)有限公司 作弊检测模型的训练方法、装置、设备和介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。