[发明专利]神经网络的训练方法、图像识别方法及其装置

权利要求书

1.一种神经网络的训练方法，其特征在于，所述神经网络包括特征提取网络和分类网络，所述方法包括：超参数确定步骤及网络训练步骤；

其中，所述超参数确定步骤包括：

设置所述分类网络的超参数；

基于训练样本集训练所述分类网络，其中所述训练样本集包括多个样本和所述样本对应的标准分类；及，

判断所述分类网络是否达到第一训练标准，若达到所述第一训练标准，保存所述分类网络并执行所述网络训练步骤；若未达到所述第一训练标准，则返回重新设置所述分类网络的所述超参数；

所述网络训练步骤包括：

基于所述训练样本集训练所述神经网络。

2.根据权利要求1所述的神经网络的训练方法，其特征在于，所述网络训练步骤还包括：

判断所述神经网络是否达到第二训练标准，若达到所述第二训练标准，保存所述神经网络；若未达到所述第二训练标准，则返回所述超参数确定步骤。

3.根据权利要求1所述的神经网络的训练方法，其特征在于，所述基于训练样本集训练所述分类网络，包括：

通过所述特征提取网络对所述多个样本进行特征提取，得到多个第一样本特征；

通过所述分类网络对所述第一样本特征进行分类得到第一分类结果，将所述第一分类结果与所述标准分类计算损失得到第一损失，基于所述第一损失调整所述分类网络的第一内参数。

4.根据权利要求3所述的神经网络的训练方法，其特征在于，所述基于所述第一损失调整所述分类网络的第一内参数，还包括：设置第一学习率，用于确定调整所述第一内参数的幅度。

5.根据权利要求4所述的神经网络的训练方法，其特征在于，所述基于所述训练样本集训练所述神经网络，包括：

通过所述特征提取网络对所述多个样本进行特征提取，得到多个第二样本特征；

通过所述分类网络对所述第二样本特征进行分类得到第二分类结果，将所述第二分类结果与所述标准分类计算损失得到第二损失，基于所述第二损失调整所述第一内参数及所述特征提取网络的第二内参数。

6.根据权利要求5所述的神经网络的训练方法，其特征在于，所述基于所述第二损失调整所述第一内参数及所述特征提取网络的第二内参数，还包括：设置第二学习率，用于确定调整所述第一内参数及所述第二内参数的幅度。

7.根据权利要求6所述的神经网络的训练方法，其特征在于，所述第二学习率小于所述第一学习率。

8.根据权利要求1所述的神经网络的训练方法，其特征在于，所述特征提取网络为已经过预训练的网络。

9.根据权利要求1所述的神经网络的训练方法，其特征在于，所述基于所述训练样本集训练所述神经网络，包括：对所述样本进行数据增强，得到噪音样本，基于所述噪音样本和所述标准分类，训练所述神经网络。

10.一种图像识别方法，其特征在于，所述方法包括：

获取图像；

通过神经网络，对所述图像进行识别，其中所述神经网络通过权利要求1-9任一项所述的神经网络的训练方法训练得到；

输出识别结果。

11.一种神经网络的训练装置，其特征在于，所述神经网络包括特征提取网络和分类网络，所述装置包括：超参数确定模块及网络训练模块；

其中，所述超参数确定模块包括：

超参数设置单元，用于设置所述分类网络的超参数；

初训练单元，用于基于训练样本集训练所述分类网络，其中所述训练样本集包括多个样本和所述样本对应的标准分类；及，

第一判断单元，用于判断所述分类网络是否达到第一训练标准，若达到所述第一训练标准，保存所述分类网络并所述网络训练模块执行训练；若未达到所述第一训练标准，则返回超参数设置单元重新设置所述分类网络的所述超参数；

所述网络训练模块包括：

训练单元，用于基于所述训练样本集训练所述神经网络。