[发明专利]为模型训练确定图像样本集的方法、装置和电子设备

说明书

本说明书一个或多个实施例公开了一种为模型训练确定图像样本集的方法、装置和电子设备，该方法包括：选择预训练模型；基于所述预训练模型确定源数据集与目标数据集之间的关联矩阵，其中，所述源数据集中的图像数量远大于所述目标数据集中的图像数量，且所述目标数据集包含有模型训练所需图像样本；利用层次分析法对所述关联矩阵进行归一化处理；按照二进制整数编程方法，基于归一化处理后的关联矩阵，从所述源数据集中选择满足关联矩阵确定的相似条件的图像样本作为图像样本集。从而，扩增了训练模型所需的图像样本集的数量，为后续训练模型提供了完善且全面的图像样本，保证训练得到模型的精准性。

技术领域

本文件涉及人工智能技术领域，尤其涉及一种为模型训练确定图像样本集的方法、装置和电子设备。

背景技术

人工智能(Artificial Intelligence，AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。其中，模型训练是人工智能技术的重要操作，具体可以基于样本数据对待训练模型进行训练，得到所需的分类模型。

然而，目前的样本数据集中样本数据的数量有限，可能会影响训练结果，导致训练得到的分类模型的预测分类精准度不高。

发明内容

本说明书一个或多个实施例的目的是提供。

为解决上述技术问题，本说明书一个或多个实施例是这样实现的：

第一方面，提出了一种为模型训练确定图像样本集的方法，包括：

选择预训练模型；

基于所述预训练模型确定源数据集与目标数据集之间的关联矩阵，其中，所述源数据集中的图像数量远大于所述目标数据集中的图像数量，且所述目标数据集包含有模型训练所需图像样本；

利用层次分析法对所述关联矩阵进行归一化处理；

按照二进制整数编程方法，基于归一化处理后的关联矩阵，从所述源数据集中选择满足关联矩阵确定的相似条件的图像样本作为图像样本集。

第二方面，提出了一种为模型训练确定图像样本集的装置，包括：

模型选择模块，选择预训练模型；

矩阵确定模块，基于所述预训练模型确定源数据集与目标数据集之间的关联矩阵，其中，所述源数据集中的图像数量远大于所述目标数据集中的图像数量，且所述目标数据集包含有模型训练所需图像样本；

归一化模块，利用层次分析法对所述关联矩阵进行归一化处理；

样本扩增模块，按照二进制整数编程方法，基于归一化处理后的关联矩阵，从所述源数据集中选择满足关联矩阵确定的相似条件的图像样本作为图像样本集。

第三方面，提出了一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行：

选择预训练模型；

基于所述预训练模型确定源数据集与目标数据集之间的关联矩阵，其中，所述源数据集中的图像数量远大于所述目标数据集中的图像数量，且所述目标数据集包含有模型训练所需图像样本；

利用层次分析法对所述关联矩阵进行归一化处理；

按照二进制整数编程方法，基于归一化处理后的关联矩阵，从所述源数据集中选择满足关联矩阵确定的相似条件的图像样本作为图像样本集。

第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行：