数据增强模型训练及数据处理方法、装置、设备、介质

专利主权项内容

1.一种数据增强模型训练方法，其特征在于，所述方法包括：获取源域样本数据和目标域样本数据；通过预设的源域模型，对所述源域样本数据进行前向传播，得到源域预估概率，并通过待训练的目标域模型的目标映射层和增强映射层，分别对所述源域样本数据进行前向传播，得到第一目标域预估概率和第一目标域增强概率；基于所述源域预估概率和所述第一目标域预估概率，对所述源域样本数据的源域标签进行标签校准，得到所述源域样本数据的源域校准标签；通过所述待训练的目标域模型的所述目标映射层和所述增强映射层，分别对所述目标域样本数据进行前向传播，得到第二目标预估概率和第二目标域增强概率；通过所述待训练的目标域模型的集成模块，对所述第二目标预估概率和所述第二目标域增强概率进行概率集成处理，得到集成预估概率；基于所述源域校准标签、所述目标域样本数据的目标域标签、所述第一目标域增强概率和所述集成预估概率，对所述待训练的目标域模型进行模型训练，得到数据增强模型。