[发明专利]信息处理方法以及信息处理系统

权利要求书

1.一种信息处理方法，由处理器执行，在所述信息处理方法中，

将第一数据输入到第一推理模型，获得第一特征信息，

将所述第一数据输入到第二推理模型，获得第二特征信息，

对所述第一特征信息进行转换处理，获得第一转换结果，

对所述第二特征信息进行所述转换处理，获得第二转换结果，

对所述第一转换结果进行射影处理，获得第一射影结果，

对所述第二转换结果进行所述射影处理，获得第二射影结果，

获得示出所述第一射影结果与所述第二射影结果之间的误差的第一误差，

以减小所述第一误差的方式，通过机器学习来训练所述第二推理模型，

所述转换处理是，使所述第一射影结果与所述第二射影结果之间的误差，比对所述第一特征信息进行所述射影处理而获得的第一非转换射影结果与对所述第二特征信息进行所述射影处理而获得的第二非转换射影结果之间的误差大的处理。

2.如权利要求1所述的信息处理方法，

进一步，在所述第二推理模型的训练中，还利用第二误差，通过机器学习来训练所述第二推理模型，所述第二误差示出将所述第一数据输入到所述第一推理模型进一步获得的第一推理结果与将所述第一数据输入到所述第二推理模型进一步获得的第二推理结果之间的差分。

3.一种信息处理方法，由处理器执行，在所述信息处理方法中，

将第一数据输入到第一推理模型，获得第一特征信息，

将所述第一数据输入到第二推理模型，获得第二特征信息，

对所述第一特征信息进行转换处理，获得第一转换结果，

对所述第二特征信息进行所述转换处理，获得第二转换结果，

对所述第一转换结果进行射影处理，获得第一射影结果，

对所述第二转换结果进行所述射影处理，获得第二射影结果，

获得示出所述第一射影结果与所述第二射影结果之间的误差的第一误差，

以减小所述第一误差的方式，通过机器学习来训练第三推理模型，

所述转换处理是，使所述第一射影结果与所述第二射影结果之间的误差，比对所述第一特征信息进行所述射影处理而获得的第一非转换射影结果与对所述第二特征信息进行所述射影处理而获得的第二非转换射影结果之间的误差大的处理，

通过进行转换训练后的所述第三推理模型的模型转换处理，来更新所述第二推理模型。

4.如权利要求3所述的信息处理方法，

进一步，在所述第二推理模型的训练中，还利用第二误差，通过机器学习来训练所述第三推理模型，所述第二误差示出将所述第一数据输入到所述第一推理模型进一步获得的第一推理结果与将所述第一数据输入到所述第二推理模型进一步获得的第二推理结果之间的差分。

5.如权利要求1至4的任一项所述的信息处理方法，

进一步，对所述射影处理进行变更，以使所述第一误差变大。

6.如权利要求1至5的任一项所述的信息处理方法，

进一步，对所述转换处理进行变更，以使所述第一误差变大。

7.如权利要求1至4的任一项所述的信息处理方法，

进一步，对所述转换处理和所述射影处理的组合进行变更，以使所述第一误差变大。

8.如权利要求3或4所述的信息处理方法，

所述第一推理模型、所述第二推理模型、以及所述第三推理模型是神经网络模型，

所述模型转换处理包括使所述神经网络模型轻量化的处理。

9.如权利要求8所述的信息处理方法，

所述轻量化的处理包括使所述神经网络模型量化的处理。

10.如权利要求9所述的信息处理方法，

所述量化的处理包括将所述神经网络模型的系数从浮点形式向定点形式转换的处理。