[发明专利]一种神经网络及其训练方法

权利要求书

1.一种神经网络的训练方法，其特征在于，神经网络包括主网络和子网络，所述训练方法包括：

所述主网络根据训练集进行图像类别识别训练；

在判断所述主网络的训练精度达到目标精度后，停止训练所述主网络，获取所述训练集中的第一未识别样本；

所述子网络根据所述第一未识别样本进行图像类别识别训练，得到所述第一未识别样本中的已识别样本和第二未识别样本；

根据所述已识别样本修改所述主网络的目标精度；

所述主网络根据调整后的目标精度继续进行图像类别识别训练。

2.如权利要求1所述的训练方法，其特征在于，所述主网络根据训练集进行图像类别识别训练包括：

接收训练集，所述训练集包含若干训练样本，每一所述训练样本包含有待识别的图像特征；

所述主网络对所述训练样本进行图像类别的识别，得到所述训练集的已识别训练样本和未识别训练样本。

3.如权利要求2所述的训练方法，其特征在于，所述在判断所述主网络的训练精度达到目标精度后，停止训练所述主网络，获取所述训练集中的第一未识别样本包括：

根据所述已识别训练样本和所述未识别训练样本，计算得到所述主网络的训练精度；

若所述主网络的训练精度达到目标精度，则停止训练所述主网络，以所述未识别训练样本为第一未识别样本。

4.如权利要求3所述的训练方法，其特征在于，若所述主网络的训练精度未达到所述目标精度，则继续对所述主网络进行识别图像类别的训练。

5.如权利要求3所述的训练方法，其特征在于，所述子网络根据所述第一未识别样本进行图像类别识别训练，得到所述第一未识别样本中的已识别样本和第二未识别样本包括：

所述子网络对所述第一未识别样本进行图像类别的识别，若完成对图像类别的识别，则标记为已识别样本，若无法完成对图像类别的识别，则标记为第二未识别样本。

6.如权利要求1所述的训练方法，其特征在于，所述根据所述已识别样本调整所述主网络的目标精度包括：

将所述已识别样本的数量反馈至所述主网络；

所述主网络根据所述已识别样本的数量调整目标精度。

7.一种神经网络，其特征在于，包括主网络和子网络：

所述主网络，用于根据训练集进行图像类别识别训练，当训练精度达到目标精度后，停止训练，获取所述训练集中的第一未识别样本，并将所述第一未识别样本发送给所述子网络；

所述子网络，用于根据所述第一未识别样本进行图像类别识别训练，得到所述第一未识别样本中的已识别样本和第二未识别样本，并将所述已识别样本的数量反馈给所述主网络；

所述主网络，还用于根据所述已识别样本的数量修改目标精度，根据调整后的目标精度继续进行图像类别识别训练。

8.如权利要求7所述的神经网络，其特征在于，所述主网络具体用于：

接收训练集，所述训练集包含若干训练样本，每一所述训练样本包含有待识别的图像特征；

对所述训练样本进行图像类别的识别，得到所述训练集的已识别训练样本和未识别训练样本；

根据所述已识别训练样本和所述未识别训练样本，计算得到训练精度；

若判断所述训练精度达到目标精度，则停止训练，以所述未识别训练样本为第一未识别样本。

9.如权利要求7所述的神经网络，其特征在于，所述子网络具体用于：

对所述第一未识别样本进行图像类别的识别，若完成对图像类别的识别，则标记为已识别样本，若无法完成对图像类别的识别，则标记为第二未识别样本。

10.如权利要求7所述的神经网络，其特征在于，所述主网络还用于：

接收所述子网络反馈的已识别样本的数量；

根据所述已识别样本的数量调整目标精度。