原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本申请公开了一种分类模型训练方法、装置、终端设备以及存储介质，涉及计算机计算领域，方法包括：将长尾分布的图像数据集作为图像分类模型的图像训练集，其中，图像训练集包含已标注类别的多个图像训练样本；获取图像分类模型中各图像分类器各自的历史累积正梯度和历史累积负梯度；基于各图像分类器的模型参数、历史累积正梯度和历史累积负梯度，计算当前图像训练样本在各图像分类器上的各预测值；基于各预测值与当前图像训练样本的真实标签之间的交叉熵损失更新各模型参数，以进行图像分类模型的训练。采用本方案能够在长尾分布的图像训
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN118094345A
(43)申请公布日2024.05.28
(21)申请号202410504013.6
(22)申请日2024.04.25
(71)申请人合肥综合性国家科
文档评论（0）