[发明专利]卷积神经网络模型的训练方法及装置有效

专利信息
申请号: 201710274339.4 申请日: 2017-04-25
公开(公告)号: CN107194464B 公开(公告)日: 2021-06-01
发明(设计)人: 万韶华 申请(专利权)人: 北京小米移动软件有限公司
主分类号: G06N3/08 分类号: G06N3/08;G06N3/04
代理公司: 北京三高永信知识产权代理有限责任公司 11138 代理人: 林锦澜
地址: 100085 北京市海淀区清河*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 卷积 神经网络 模型 训练 方法 装置
【权利要求书】:

1.一种基于卷积神经网络模型进行图像识别的方法,其特征在于,所述方法包括:

通过待训练的卷积神经网络模型对存储的多个训练图像分别进行识别处理,得到所述多个训练图像中每个训练图像对应的预测类别概率向量,每个预测类别概率向量中包括多个预测类别概率,每个预测类别概率为对应的训练图像属于多个预设类别中每个预设类别的概率;

对于所述多个训练图像中的每个训练图像,确定所述训练图像的预测类别概率向量与初始类别概率向量之间的差值,得到所述训练图像的类别概率误差向量,所述初始类别概率向量中包括多个初始类别概率,所述多个初始类别概率是基于预设扰动概率、所述训练图像的真实类别以及对应类别的类别比例确定得到,所述预设扰动概率用于扰动所述训练图像的类别;

基于所述多个训练图像的类别概率误差向量和所述多个训练图像,对所述卷积神经网络模型进行训练;

基于完成训练的卷积神经网络模型对待识别图像进行图像识别。

2.如权利要求1所述的方法,其特征在于,所述确定所述训练图像的预测类别概率向量与初始类别概率向量之间的差值之前,还包括:

对于所述多个预设类别中的每个预设类别,确定所述预设类别的类别比例;

基于所述预设扰动概率、所述训练图像的真实类别以及所述预设类别的类别比例,通过如下公式确定与所述预设类别对应的初始类别概率;

P(k)=λ*δy(k)+(1-λ)*p0(k);

其中,所述P(k)表示与所述预设类别对应的初始类别概率,λ表示所述预设扰动概率,所述p0(k)表示所述预设类别的类别比例,其中,当所述训练图像的真实类别与所述预设类别相同时,所述δy(k)为1,当所述训练图像的真实类别与所述预设类别不同时,所述δy(k)为0。

3.如权利要求1所述的方法,其特征在于,所述基于所述多个训练图像的类别概率误差向量和所述多个训练图像,对所述卷积神经网络模型进行训练,包括:

确定所述多个训练图像的类别概率误差向量的平均类别概率误差向量;

基于所述平均类别概率误差向量和所述多个训练图像,对所述卷积神经网络模型进行训练。

4.如权利要求3所述的方法,其特征在于,所述基于所述平均类别概率误差向量和所述多个训练图像,对所述卷积神经网络模型进行训练,包括:

确定每个训练图像的类别概率误差向量中的各个元素的平方和,得到多个平方和;

当所述多个平方和的平均值大于或等于预设阈值时,基于所述平均类别概率误差向量,对所述卷积神经网络模型包括的模型参数进行调整;

通过模型参数调整后的卷积神经网络重新对所述多个训练图像分别进行识别处理,得到多个预测类别概率向量,并返回所述对于所述多个训练图像中的每个训练图像,确定所述训练图像的预测类别概率向量与初始类别概率向量之间的差值,得到所述训练图像的类别概率误差向量的步骤,直至通过每个训练图像的类别概率误差向量确定得到的多个平方和的平均值小于所述预设阈值为止。

5.一种基于卷积神经网络模型进行图像识别的装置,其特征在于,所述装置包括:

识别处理模块,用于通过待训练的卷积神经网络模型对存储的多个训练图像分别进行识别处理,得到所述多个训练图像中每个训练图像对应的预测类别概率向量,每个预测类别概率向量中包括多个预测类别概率,每个预测类别概率为对应的训练图像属于多个预设类别中每个预设类别的概率;

第一确定模块,用于对于所述多个训练图像中的每个训练图像,确定所述识别处理模块识别的所述训练图像的预测类别概率向量与初始类别概率向量之间的差值,得到所述训练图像的类别概率误差向量,所述初始类别概率向量中包括多个初始类别概率,所述多个初始类别概率是基于预设扰动概率、所述训练图像的真实类别以及对应类别的类别比例确定得到,所述预设扰动概率用于扰动所述训练图像的类别;

训练模块,用于基于所述第一确定模块确定的所述多个训练图像的类别概率误差向量和所述多个训练图像,对所述卷积神经网络模型进行训练;基于完成训练的卷积神经网络模型对待识别图像进行图像识别。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京小米移动软件有限公司,未经北京小米移动软件有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710274339.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code