模型训练方法及其装置

AITNT
正文
推荐专利
模型训练方法及其装置
申请号:CN202411901657
申请日期:2024-12-23
公开号:CN119810589A
公开日期:2025-04-11
类型:发明专利
摘要
本申请公开了一种模型训练方法及其装置,属于人工智能技术领域。该模型训练方法包括:将训练图像输入至图像编码器中,提取得到训练图像在第i层的第一特征第i层为图像编码器中的目标编码网络层;将第一特征分别输入T个不同的任务模块中,得到第二特征基于T个不同的任务模块对应的T个任务标签,生成跨任务图;基于跨任务图对应的任务间关系图和第二特征得到T个不同任务的预测结果;基于T个不同任务的预测结果获取T个不同任务的损失函数值;基于T个不同任务的损失函数值对扩散模型的参数进行更新,得到更新后的扩散模型,扩散模型用于对密集预测任务进行信息预测。
技术关键词
图像编码器 加权损失函数 模型训练方法 连续特征 标签编码器 融合特征 模块 关系 模型训练装置 人工智能技术 参数 噪声
系统为您推荐了相关专利信息
1
基于深度学习的稀疏角CT重建方法和模型训练方法
滤波反投影算法 多层感知机层 图像重建 样本 变压器模块
2
一种模型训练方法、图像识别方法、装置及电子设备
模态特征 样本 关键词 对象 模型训练方法
3
多模态模型训练方法、装置、设备及存储介质
掩膜 图像 多模态 融合特征 特征提取单元
4
一种基于置信度校正与一致性学习的噪声跨模态检索方法
模态特征 样本 跨模态检索方法 预训练语言模型 损失函数优化
5
基于跨模态提示学习的工业零样本异常检测方法及系统
异常检测方法 跨模态 样本 点云 损失函数优化
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号