【技术实现步骤摘要】
本申请涉及计算机，特别是涉及一种识别模型的处理方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、随着计算机技术的发展，对数据进行分类识别被广泛应用，分类识别主要通过深度网络模型实现，通过大量的标注数据对深度网络模型进行训练，使得不同类别的数据能够被准确识别；对深度网络模型进行训练的过程中，损失值对深度网络模型的识别效果有着重要影响。
2、在相关技术中，通常采用深度网络模型输出的类别与标签类别之间的差距，确定损失值，通过该损失值训练的深度网络模型，在不同类别之间的区分度较低、容易混淆的复杂场景下，难以得到正确的识别结果，导致识别的准确度低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种识别模型的处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，提升了识别模型对边界模糊、难以区分的样本的学习效果，进而提升目标识别模型的准确度。
2、第一方面，本申请提供了一种识别模型的处理方法。所述方法包括：
3、通过识别模型提取样本集中样本数据的特征向量；从识别模型的分类层的权重参数中，获取标签类别的第一中心向量和其他类别的第二中心向量；标签类别是样本数据所属的类别；调整特征向量和第二中心向量之间的第一角度值，得到小于第一角度值的目标角度值；基于目标角度值、特征向量、第一中心向量、第二中心向量和第二角度值确定间隔损失值；第二角度值是特征向量和第一中心向量之间的角度值；基于间隔损失值调整识别模型的参数，得到目标识别模型。p>
4、第二方面，本申请还提供了一种识别模型的处理装置。所述装置包括：
5、特征向量获取模块，用于通过识别模型提取样本集中样本数据的特征向量；
6、中心向量获取模块，用于从识别模型的分类层的权重参数中，获取标签类别的第一中心向量和其他类别的第二中心向量；标签类别是样本数据所属的类别；
7、角度调整模块，用于调整特征向量和第二中心向量之间的第一角度值，得到小于第一角度值的目标角度值；
8、间隔损失值确定模块，用于基于目标角度值、特征向量、第一中心向量、第二中心向量和第二角度值确定间隔损失值；第二角度值是特征向量和第一中心向量之间的角度值；
9、参数调整模块，用于基于间隔损失值调整识别模型的参数，得到目标识别模型。
10、在一些实施例中，角度调整模块，还用于获取特征向量和第二中心向量之间的第一角度值；确定第一角度值和第一间隔参数之间的差值，得到小于第一角度值的目标角度值。
11、在一些实施例中，识别模型的处理装置还包括：权重系数确定模块，用于基于标签类别对应的样本量与样本集对应的样本总量之间的比值，确定标签类别的权重系数；权重系数与比值负相关；间隔损失值确定模块，还用于基于权重系数、目标角度值、特征向量、第一中心向量、第二中心向量和第二角度值确定间隔损失值。
12、在一些实施例中，权重系数确定模块，还用于确定标签类别对应的样本量与样本集对应的样本总量之间的比值；依据比值确定指数调整因子；基于指数调整因子和预设底数，确定标签类别的权重系数。
13、在一些实施例中，间隔损失值确定模块，还用于基于目标角度值、特征向量的模和第二中心向量的模，确定特征向量和第二中心向量之间的第一相关度；基于第二角度值、特征向量的模和第一中心向量的模，确定特征向量和第一中心向量之间的第二相关度；基于权重系数、第一相关度和第二相关度，确定间隔损失值。
14、在一些实施例中，间隔损失值确定模块，还用于基于目标角度值、特征向量的模和第二中心向量的模，确定特征向量和第二中心向量之间的第一相关度；基于第二角度值、特征向量的模和第一中心向量的模，确定特征向量和第一中心向量之间的第二相关度；基于第一相关度和第二相关度，确定间隔损失值。
15、在一些实施例中，间隔损失值确定模块，还用于确定第二角度值和第二间隔参数之间的和值，得到大于第二角度值的调整后角度值；基于调整后角度值、特征向量的模和第一中心向量的模，确定特征向量和第一中心向量之间的第二相关度。
16、在一些实施例中，识别模型的处理装置还包括：类间损失值确定模块，用于基于第一中心向量和第二中心向量之间的相似度，确定类间损失值；参数调整模块，还用于对间隔损失值和类间损失值进行融合处理，得到第一融合损失值；通过第一融合损失值调整识别模型的参数，得到目标识别模型。
17、在一些实施例中，样本数据的数量为至少两个，识别模型的处理装置还包括：类内损失值确定模块，用于依据至少两个样本数据的特征向量，确定类内损失值；参数调整模块，还用于对第一融合损失值和类内损失值进行融合处理，得到第二融合损失值；通过第二融合损失值调整识别模型的参数，得到目标识别模型。
18、在一些实施例中，类内损失值确定模块，还用于依据至少两个样本数据的特征向量，确定标签类别的簇中心向量；依据至少两个样本数据的特征向量和簇中心向量，确定类内损失值。
19、在一些实施例中，识别模型包括特征提取模块和分类层；参数调整模块，还用于基于间隔损失值调整特征提取模块的参数和分类层的权重参数，得到目标识别模型；目标识别模型包括目标特征提取模块和目标分类层。
20、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
21、通过识别模型提取样本集中样本数据的特征向量；从识别模型的分类层的权重参数中，获取标签类别的第一中心向量和其他类别的第二中心向量；标签类别是样本数据所属的类别；调整特征向量和第二中心向量之间的第一角度值，得到小于第一角度值的目标角度值；基于目标角度值、特征向量、第一中心向量、第二中心向量和第二角度值确定间隔损失值；第二角度值是特征向量和第一中心向量之间的角度值；基于间隔损失值调整识别模型的参数，得到目标识别模型。
22、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
23、通过识别模型提取样本集中样本数据的特征向量；从识别模型的分类层的权重参数中，获取标签类别的第一中心向量和其他类别的第二中心向量；标签类别是样本数据所属的类别；调整特征向量和第二中心向量之间的第一角度值，得到小于第一角度值的目标角度值；基于目标角度值、特征向量、第一中心向量、第二中心向量和第二角度值确定间隔损失值；第二角度值是特征向量和第一中心向量之间的角度值；基于间隔损失值调整识别模型的参数，得到目标识别模型。
24、第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
25、通过识别模型提取样本集中样本数据的特征向量；从识别模型的分类层的权重参数中，获取标签类别的第一中心向量和其他类别的第二中心向本文档来自技高网...
【技术保护点】
1.一种识别模型的处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述调整所述特征向量和所述第二中心向量之间的第一角度值，得到小于所述第一角度值的目标角度值，包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述标签类别对应的样本量与所述样本集对应的样本总量之间的比值，确定所述标签类别的权重系数，包括：
5.根据权利要求3所述的方法，其特征在于，所述基于所述权重系数、所述目标角度值、所述特征向量、所述第一中心向量、所述第二中心向量和第二角度值确定间隔损失值，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述目标角度值、所述特征向量、所述第一中心向量、所述第二中心向量和第二角度值确定间隔损失值，包括：
7.根据权利要求5或6所述的方法，其特征在于，所述基于第二角度值、所述特征向量的模和所述第一中心向量的模，确定所述特征向量和所述第一中心向量之间的第二相关度，包括：
8.根据权利要求1所述的
9.根据权利要求8所述的方法，其特征在于，所述样本数据的数量为至少两个；所述方法还包括：
10.根据权利要求9所述的方法，其特征在于，所述依据至少两个所述样本数据的特征向量，确定类内损失值，包括：
11.根据权利要求1所述的方法，其特征在于，所述识别模型包括特征提取模块和分类层；
12.一种识别模型的处理装置，其特征在于，所述装置包括：
13.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至11中任一项所述的方法的步骤。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。
15.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种识别模型的处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述调整所述特征向量和所述第二中心向量之间的第一角度值，得到小于所述第一角度值的目标角度值，包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述标签类别对应的样本量与所述样本集对应的样本总量之间的比值，确定所述标签类别的权重系数，包括：
5.根据权利要求3所述的方法，其特征在于，所述基于所述权重系数、所述目标角度值、所述特征向量、所述第一中心向量、所述第二中心向量和第二角度值确定间隔损失值，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述目标角度值、所述特征向量、所述第一中心向量、所述第二中心向量和第二角度值确定间隔损失值，包括：
7.根据权利要求5或6所述的方法，其特征在于，所述基于第二角度值、所述特征向量的模和所述第一中心向量的模，确定所述特征向量和所述第一中心向量之间的第...
【专利技术属性】
技术研发人员：杨善明，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。