[发明专利]一种VGG网络的训练方法及装置在审
| 申请号： | 201710618244.X | 申请日： | 2017-07-26 |
| 公开（公告）号： | CN107368893A | 公开（公告）日： | 2017-11-21 |
| 发明（设计）人： | 蔡述庭;梁天智;陈平;李卫军;刘坤 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04 |
| 代理公司： | 北京集佳知识产权代理有限公司11227 | 代理人： | 罗满 |
| 地址： | 510062 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 vgg 网络 训练 方法 装置 | ||
1.一种VGG网络的训练方法，其特征在于，包括：
生成包含有n个全连接层的VGG网络模型；
对所述VGG网络模型进行训练，并在每步训练后将每个所述全连接层的权重矩阵中最接近于零的元素置零，直至每个所述全连接层中为零的元素在该全连接层的全部元素中所占比例达到预设值为止。
2.根据权利要求1所述的方法，其特征在于，生成包含有n个全连接层的VGG网络模型，包括：
生成包含有n个全连接层及m个卷积层的VGG网络模型，每个所述卷积层中均包含激励函数RELU且经过降采样处理。
3.根据权利要求1所述的方法，其特征在于，对所述VGG网络模型进行训练，包括：
采取学习速率自适应的方法对所述VGG网络模型进行训练。
4.根据权利要求4所述的方法，其特征在于，在每步训练后将每个所述全连接层的权重矩阵中最接近于零的元素置零，包括：
在每步训练后将每个所述全连接层的权重矩阵转化为与每个所述全连接层对应的一维数组；
对每个所述一维数组中元素的绝对值进行降序排列，并将每个所述一维数组中排在最后的不为零的元素置零。
5.一种VGG网络的训练装置，其特征在于，包括：
生成模块，用于：生成包含有n个全连接层的VGG网络模型；
训练模块，用于：对所述VGG网络模型进行训练，并在每步训练后将每个所述全连接层的权重矩阵中最接近于零的元素置零，直至每个所述全连接层中为零的元素在该全连接层的全部元素中所占比例达到预设值为止。
6.根据权利要求5所述的装置，其特征在于，所述生成模块包括：
生成单元，用于：生成包含有n个全连接层及m个卷积层的VGG网络模型，每个所述卷积层中均包含激励函数RELU且经过降采样处理。
7.根据权利要求5所述的装置，其特征在于，所述训练模块包括：
训练单元，用于：采取学习速率自适应的方法对所述VGG网络模型进行训练。
8.根据权利要求7所述的装置，其特征在于，所述训练模块包括：
置零单元，用于：在每步训练后将每个所述全连接层的权重矩阵转化为与每个所述全连接层对应的一维数组；对每个所述一维数组中元素的绝对值进行降序排列，并将每个所述一维数组中排在最后的不为零的元素置零。
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广东工业大学，未经广东工业大学许可，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/201710618244.X/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种砌筑施工时用的定位装置
- 下一篇：一种多用涂层测厚仪
