[发明专利]一种对轻量化卷积神经网络训练得到预训练模型的方法

权利要求书

1.一种对轻量化卷积神经网络训练得到预训练模型的方法，其特征在于，包括如下步骤：

步骤1：构建需要进行训练的卷积神经网络模型，采集图片数据集，并对图片数据进行预处理得到训练数据；其中，所述预处理包括对图像依次进行归一化、图像翻转、色域变换等处理；

步骤2：定义变量start和end用来分别记录初始epoch和结束epoch的误差，初始epoch和结束epoch间隔a个epoch，定义变量threshold用来设置冻结参数的阈值，开始训练后，每过a个epoch，计算|start-end|的值，并与threshold相比较，threshold的值设定为b，若|start-end|的值小于threshold，则进行步骤2；

步骤3：冻结主干网络所有参数的训练，在继续训练过程中，训练除主干网络的其他部分的参数；

步骤4：每过a个epoch计算|start-end|的值，设定threshold的值为c，c小于b，若|start-end|的值小于threshold，则进行步骤4；

步骤5：解冻主干网络的参数训练，对整个网络的参数进行整体训练，直至完成网络训练得到预训练模型。

2.根据权利要求1所述的对轻量化卷积神经网络训练得到预训练模型的方法，其特征在于，所述a的取值范围为6~12。

3.根据权利要求1所述的对轻量化卷积神经网络训练得到预训练模型的方法，其特征在于，所述b的值小于1。