度量学习方法、装置、设备及存储介质
基本信息
| 申请号 | CN202010319378.3 | 申请日 | - |
| 公开（公告）号 | CN111667050B | 公开（公告）日 | 2021-11-30 |
| 申请公布号 | CN111667050B | 申请公布日 | 2021-11-30 |
| 分类号 | G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06K9/62（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 黄振杰;李德紘;张少文;冯琰一 | 申请（专利权）人 | 广州佳都科技软件开发有限公司 |
| 代理机构 | 北京泽方誉航专利代理事务所（普通合伙） | 代理人 | 陈照辉 |
| 地址 | 511400 广东省广州市番禺区东环街迎宾路832号番禺节能科技园内番山创业中心1号楼2区306房 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明实施例公开了一种度量学习方法、装置、设备及存储介质，涉及度量学习技术领域，其包括：获取训练数据集，训练数据集中每个样本对应一个用于标识所属类别的标签；根据训练数据集中各样本所属类别构建至少一个第一样本集合，第一样本集合对应第一数量的类别且第一样本集合中每个类别具有等量的第一样本；根据第一样本集合中各第一样本对应的第一特征向量计算神经网络模型的损失函数，并基于每个第一样本集合对神经网络模型进行迭代训练，直到损失函数满足第一稳定条件，第一特征向量通过神经网络模型得到。采用上述方案可以解决现有技术中三元组损失函数构建过程中选择样本过于随机使得深度神经网络模型处理速度慢、准确度低的技术问题。 |
