模型训练方法、任务检测方法及相关产品与流程
本申请涉及人工智能,尤其涉及一种模型训练方法、任务检测方法、模型训练装置、任务检测装置、计算机设备、计算机可读存储介质及计算机程序产品。
背景技术:
1、目前,市面上存在如智能手表、智能体脂秤等可穿戴与非可穿戴健康监测设备,其核心功能已从单一数据采集逐步拓展至健康监测与风险预警,比如,可以对用户的睡眠阶段、呼吸事件等关键生理指标进行监测,并在指标出现异常时及时发出预警。通常的,这些健康监测设备的功能实现基于其部署的相关健康监测任务的模型实现,该模型通常依赖于配置的传感器采集用户生理信号进行预测,进而识别用户当前的健康状态。然而,受限于硬件资源约束,不同健康监测设备的传感器配置往往存在显著差异,导致模型泛化能力薄弱、跨设备部署成本高昂。
技术实现思路
1、本申请提供一种模型训练方法、任务检测方法、模型训练装置、任务检测装置、计算机设备、计算机可读存储介质及计算机程序产品,能够提升模型的泛化能力,降低跨设备部署成本。
2、第一方面,本申请提供的模型训练方法,包括:
3、获取不同传感器模态的多种传感器样本特征,以及获取每种传感器样本特征的丢弃概率;
4、根据每种传感器样本特征的丢弃概率,从多种传感器样本特征中,剔除待丢弃的传感器模态的样本特征,得到各种剔除后样本特征;
5、通过待训练模型,对各种剔除后样本特征进行多模态特征融合与预测,得到任务检测结果;
6、根据任务检测结果对应的模型损失,调整待训练模型,得到目标模型。
7、第二方面,本申请提供的任务检测方法,包括:
8、获取目标设备采集的多种产品传感器特征;
9、根据目标设备未采集到,且模型训练过程使用的传感器模态,确定传感器特征为预设值的补齐后特征;
10、通过目标模型对多种产品传感器特征与补齐后特征进行任务检测,得到任务检测结果,目标模型由本申请提供的模型训练方法训练得到。
11、第一数据获取模块,用于获取不同传感器模态的多种传感器样本特征,以及获取每种传感器样本特征的丢弃概率;
12、特征剔除模块,用于根据每种传感器样本特征的丢弃概率,从多种传感器样本特征中,剔除待丢弃的传感器模态的样本特征,得到各种剔除后样本特征;
13、第一任务检测模块,用于通过待训练模型,对各种剔除后样本特征进行多模态特征融合与预测,得到任务检测结果;
14、模型调整模块,用于根据任务检测结果对应的模型损失,调整待训练模型,得到目标模型。
15、第四方面,本申请提供的任务检测装置,包括:
16、第二数据获取模块,用于获取目标设备采集的多种产品传感器特征;
17、特征补全模块,用于根据目标设备未采集到,且模型训练过程使用的传感器模态,确定传感器特征为预设值的补齐后特征;
18、第二任务检测模块,用于通过目标模型对多种产品传感器特征与补齐后特征进行任务检测,得到任务检测结果,目标模型由本申请提供的模型训练方法训练得到。
19、第五方面,本申请提供的计算机设备,包括存储器和处理器,存储器存储有计算机程序,,处理器执行存储器内的计算机程序,以实现本申请提供的模型训练方法或任务检测方法。
20、第六方面,本申请提供的计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现本申请提供的模型训练方法或任务检测方法。
21、第七方面,本申请提供的计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本申请提供的模型训练方法或任务检测方法。
1.一种模型训练方法,其特征在于,包括:
2.根据权利要求1所述的模型训练方法,其特征在于,所述获取每种传感器样本特征的丢弃概率,包括:
3.根据权利要求1所述的模型训练方法,其特征在于,所述根据所述每种传感器样本特征的丢弃概率,从所述多种传感器样本特征中,剔除待丢弃的所述传感器模态的样本特征,得到各种剔除后样本特征,包括:
4.根据权利要求3所述的模型训练方法,其特征在于,所述根据所述每种传感器样本特征的丢弃概率,确定不同传感器模态各自对应的掩码值,包括:
5.根据权利要求3所述的模型训练方法,其特征在于,所述通过待训练模型,对各种所述剔除后样本特征进行多模态特征融合与预测,得到任务检测结果,包括:
6.根据权利要求1所述的模型训练方法,其特征在于,所述获取每种传感器样本特征的丢弃概率,包括:
7.根据权利要求6所述的模型训练方法,其特征在于,所述获取各所述通道的丢弃概率,包括:
8.一种任务检测方法,其特征在于,应用于目标设备,包括:
9.一种模型训练装置,其特征在于,包括:
10.一种任务检测装置,其特征在于,应用于目标设备,包括:
11.一种计算机设备,其特征在于,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存储器内的计算机程序时实现权利要求1至7任一项所述的模型训练方法,或者实现权利要求8所述的任务检测方法。
12.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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7任一项所述的模型训练方法,或者实现权利要求8所述的模型训练任务检测方法。
13.一种计算机程序产品,包括计算机程序,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7任一项所述的模型训练方法,或者实现权利要求8所述的任务检测方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com