(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210289264.8 (22)申请日 2022.03.23 (71)申请人 讯飞智元信息科技有限公司 地址 230088 安徽省合肥市高新区望江西 路666号讯飞大厦8层-10层 (72)发明人 张友国　贾若然　谭昶　吕军　 胡少云　冯翔　刘江　姜殿洪　 宋薇薇　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 侯珊 (51)Int.Cl. G06K 9/62(2022.01) G06V 10/774(2022.01) G06V 10/762(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) (54)发明名称 增加训练数据的方法、 相关设备及可读存储 介质 (57)摘要 本申请公开了一种增加训练数据的方法、 相 关设备及可读存储介质。 本方案中， 利用训练数 据集对第一模型进行训练， 得到第二模型； 确定 第二模型对训练数据集中各训练数据的预测结 果； 确定训练数据集中与预测结果为错误的训练 数据相似的训练数据作为要增加的训练数据， 将 其添加至训练数据集中， 生成新的训练数据集。 由于模型对预测结果为正确的训练数据对应情 形的特征学习的较好， 对预测结果为错误的训练 数据对应情形的特征学习不够， 因此， 在本申请 中从候选数据集中确定与预测结果为错误的数 据相似的候选数据作为要增加的训练数据， 能够 准确覆盖模 型学习较差的情形， 使得深度学习模 型能够快速 达到较好的效果。 权利要求书2页 说明书9页 附图3页 CN 114757263 A 2022.07.15 CN 114757263 A 1.一种增 加训练数据的方法， 其特 征在于， 所述方法包括： 获取训练数据集、 第一模型和候选数据集； 利用所述训练数据集对所述第一模型进行训练， 得到第二模型； 将所述训练数据集中的各训练数据输入所述第 二模型， 得到所述第 二模型对所述训练 数据集中各训练数据的预测结果； 基于所述第 二模型对所述训练数据集中各训练数据的预测结果， 从所述候选数据集中 确定要增 加的训练数据； 所述要增 加的训练数据与预测结果 为错误的训练数据相似； 将所述要增 加的训练数据添加至所述训练数据集中， 生成新的训练数据集。 2.根据权利要求1所述的方法， 所述基于所述第二模型对所述训练数据集中各训练数 据的预测结果， 从所述 候选数据集中确定要增 加的训练数据， 包括： 对所述训练数据集进行聚类， 得到多个类以及每个类的聚类中心和聚类半径； 每个类 对应至少一个训练数据； 从各个类中确定正类， 所述正类对应的训练数据中， 预测结果为正确的训练数据所占 比例满足预设条件； 针对所述候选数据集中的每个候选数据， 计算所述候选数据与每个正类的聚类中心的 距离； 基于所述候选数据与各个正类的聚类中心的距离， 和， 各个正类的聚类半径， 确定所 述候选数据是否与预测结果为错误的训练数据相似； 如果所述候选数据与预测结果为错误 的训练数据相似， 则将所述 候选数据确定为要增 加的训练数据。 3.根据权利要求2所述的方法， 其特征在于， 所述对所述训练数据集进行聚类， 得到多 个类以及每 个类的聚类中心和聚类半径， 包括： 确定所述训练数据集中各训练数据的特 征表示； 基于所述训练数据集中各训练数据的特征表示， 对所述训练数据集进行聚类， 得到多 个类以及每 个类的聚类中心和聚类半径。 4.根据权利要求3所述的方法， 其特征在于， 所述确定所述训练数据集中各训练数据的 特征表示， 包括： 将所述训练数据集中各训练数据输入所述第 二模型， 所述第 二模型输出所述训练数据 集中各训练数据的特 征表示。 5.根据权利要求2所述的方法， 其特征在于， 计算所述候选数据与每个正类的聚类 中心 的距离， 包括： 确定所述 候选数据集中各个候选数据的特 征表示； 计算所述候选数据的特征表示与每个正类的聚类中心的距离， 作为所述候选数据与每 个正类的聚类中心的距离 。 6.根据权利要求5所述的方法， 其特征在于， 所述确定所述候选数据集中各个候选数据 的特征表示， 包括： 将所述候选数据集中各个候选数据输入所述第 二模型， 所述第 二模型输出所述候选数 据集中各个候选数据的特 征表示。 7.根据权利要求2所述的方法， 其特征在于， 所述基于所述候选数据与 各个正类的聚类 中心的距离， 和， 各个正类的聚类 半径， 确定所述候选数据是否与预测结果为错误的训练数 据相似， 包括：权　利　要　求　书 1/2 页 2 CN 114757263 A 2针对每个正类， 判断所述候选数据与所述正类的聚类中心的距离是否小于预设倍数的 所述正类的聚类半径； 如果不存在候选数据与正类的聚类中心的距离小于预设倍数的聚类半径的正类， 则确 定所述候选数据与预测结果 为错误的训练数据相似。 8.一种增 加训练数据的装置， 其特 征在于， 所述装置包括： 获取单元， 用于获取训练数据集、 第一模型和候选数据集； 训练单元， 用于利用所述训练数据集对所述第一模型进行训练， 得到第二模型； 预测结果确定单元， 用于将所述训练数据集中的各训练数据输入所述第二模型， 得到 所述第二模型对所述训练数据集中各训练数据的预测结果； 要增加的训练数据确定单元， 用于基于所述第 二模型对所述训练数据集中各训练数据 的预测结果， 从所述候选数据集中确定要增加的训练数据； 所述要增加的训练数据与预测 结果为错误的训练数据相似； 训练数据增加单元， 用于将所述要增加的训练数据添加至所述训练数据集中， 生成新 的训练数据集。 9.一种增 加训练数据的设备， 其特 征在于， 包括存 储器和处 理器； 所述存储器， 用于存 储程序； 所述处理器， 用于执行所述程序， 实现如权利要求1至7中任一项所述的增加训练数据 的方法的各个步骤。 10.一种可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被处理 器执行时， 实现如权利要求1至7中任一项所述的增 加训练数据的方法的各个步骤。权　利　要　求　书 2/2 页 3 CN 114757263 A 3