摘要
本发明涉及人工智能技术领域,公开了基于多任务提示的异常目标识别模型的训练方法和装置,模型包括:图像编码器、文本编码器、多层感知机和联合调度器;方法包括:获取属于预设识别任务的任务样本的集合;采用图像编码器,根据多任务因果提示和训练图像样本生成视觉提示特征;采用文本编码器,根据多任务因果提示和文本标签样本生成文本提示特征;采用多层感知机过滤视觉提示特征得到反事实视觉提示特征;采用对比学习,根据反事实视觉提示特征和文本提示特征之间以及预设识别类别的相似度确定任务损失;采用联合调度器分配各个任务损失的权重;采用权重和任务损失更新模型的参数,直至训练结束。本公开提高了异常目标识别的泛化性、降低错误率。
技术关键词
多任务
多层感知机
文本编码器
图像编码器
样本
调度器
视觉
参数
标签
亲和力
识别方法
特征提取模块
人工智能技术
训练装置
存储器
识别装置
效应
处理器
系统为您推荐了相关专利信息
柴油机连杆结构
参数优化方法
三维模型
粒子群算法
采油机
CCD工业相机
图像采集系统
基线
异性纤维检测系统
训练集