[发明专利]一种跨域网络训练及图像识别方法在审
申请号: | 201811500433.8 | 申请日: | 2018-12-07 |
公开(公告)号: | CN111291780A | 公开(公告)日: | 2020-06-16 |
发明(设计)人: | 刘若鹏;栾琳;赵盟盟 | 申请(专利权)人: | 深圳光启空间技术有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 518000 广东省深圳市龙岗区坂田街道*** | 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 网络 训练 图像 识别 方法 | ||
1.一种跨域网络训练方法,其特征在于,包括以下步骤:
S1:向深度神经网络输入第一域和第二域的样本数据,对所述第一域和第二域的样本数据进行训练,使得在所述深度神经网络在第一域与第二域上各自具有分类能力;
S2:消除域间统计分布差异,使得第一域和第二域具有相近的统计分布特性;
S3:对第一域和第二域进行加强内聚集的训练;
S4:对符合预设条件的训练结果进行保存。
2.如权利要求1所述的跨域网络训练方法,其特征在于,所述步骤S1中对所述第一域和第二域的样本数据进行训练包括:
对所述第一域和第二域的样本数据进行损失函数Triplet-Loss的训练。
3.如权利要求2所述的跨域网络训练方法,其特征在于,所述步骤S2包括:
当所述损失函数Triplet-Loss稳定且满足收敛时,用所述第一域和第二域的最高维度特征计算最大均值差异损失MMD-Loss,并将结果加入合成损失函数,共同进行反向传播和梯度求导。
4.如权利要求3所述的跨域网络训练方法,其特征在于,所述步骤S3包括:
将所述合成损失函数中的MMD-Loss去除,并加入所述第一域和所述第二域的混合Triplet-Loss,进行加强内聚丈的训练。
5.如权利要求4所述的跨域网络训练方法,其特征在于,所述步骤S4包括:
当加强内聚集的训练的合成损失函数收敛且小于设定值时,对训练结果进行保存。
6.如权利要求2所述的跨域网络训|练方法,其特征在于,所述步骤S1中,所述进行损失函数Triplet-Loss的训练还包括:
设置第一学习率,所述第一学习率初始值为0.001至0.01,每10轮所述进行损失函数Triplet-Loss的训练,将第一学习率设置为0.7至0.9倍。
7.如权利要求6所述的跨域网络训练方法,其特征在于,所述步骤S2中,设置第二学习率,所述第二学习率的初始值小于所述第一学习率的初始值,每10轮所述进行加强内聚集的训练,将第二学习率设置为0.7至0.9倍。
8.如权利要求7所述的跨域网络训|练方法,其特征在于,所述第二学习率初始值为0.0001至0.001。
9.如权利要求7所述的跨域网络训|练方法,其特征在于,所述步骤S3中,设置第三学习率,所述第三学习率的初始值小于所述第一学习率的初始值,每5轮所述进行加强内聚集的训练,将第三学习率设置为0.7至0.9倍。
10.如权利要求9所述的跨域网络训练方法,其特征在于,所述第三学习率的初始值为0.0001至0.001。
11.如权利要求2所述的跨域网络训练方法,其特征在于,所述步骤S1还包括:
对Triplet-Loss的训练结束后,提取所述第一域和第二域的特征,执行数据降维,在二维空间画山所述特征位置分布。
12.如权利要求3所述的跨域网络训练方法,其特征在于,所述步骤S2还包括:
对合成损失函数训练结束后,提取所述第一域和第二域的特征,执行数据降维,在二维空间画山所述特征位置分布。
13.如权利要求4所述的跨域网络训练方法,其特征在于,所述步骤S3还包括:
进行加强内聚集的训练结束后,提取所述第一域和第二域的特征,执行数据降维,在二维空间画山所述特征位置分布。
14.一种图像识别方法,其特征在于,对深度神经网络进行如权利要求1-13任一所述的训练,使用训练后的深度神经网络对图像进行识别。
15.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1-13任一所述的训练方法。
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深圳光启空间技术有限公司,未经深圳光启空间技术有限公司许可,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/201811500433.8/1.html,转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序