一种基于重加权策略的网络训练方法
实质审查的生效
摘要
本发明公开了一种基于重加权策略的网络训练方法，其采用了基于阶段性渐进学习策略的类不均衡处理方案，可以减轻类不均衡数据集头部类与尾部类数量不均衡的问题，有效降低尾类数据过拟合与头类数据欠拟合的风险；同时，可以从学习表征的通用模式平滑过度到上层分类器的训练，在学习分类器的同时能够很好地保留原有学习到的深度表征；此外，具有较好的鲁棒性，通过控制阶段性超参数和渐进超参数来适应不均衡程度不同的数据集或样本数量不同的数据集，并进一步提高分类的准确率。
基本信息
专利标题 ：
一种基于重加权策略的网络训练方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114463576A
申请号 ：
CN202111602611.X
公开（公告）日 ：
2022-05-10
申请日 ：
2021-12-24
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
姚鹏徐亮程逸申书伟徐晓嵘任维
申请人 ：
中国科学技术大学;深圳友一生物科技有限公司
申请人地址 ：
安徽省合肥市包河区金寨路96号
代理机构 ：
北京凯特来知识产权代理有限公司
代理人 ：
郑立明
优先权 ：
CN202111602611.X
主分类号 ：
G06V10/764
IPC分类号 ：
G06V10/764 G06V10/82 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-05-27 ：
实质审查的生效
IPC(主分类) : G06V 10/764
申请日 : 20211224
申请日 : 20211224
2022-05-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
