[发明专利]训练装置、训练方法以及检测装置

摘要

本公开提供了训练装置、训练方法以及检测装置。一种用于对卷积神经网络模型进行训练的装置包括特征获取及竞争单元以及模型训练单元。特征获取及竞争单元包括：获取子单元，被配置成针对所述卷积神经网络模型的至少一个卷积层、获取训练样本数据的至少两个不同方面的特征；以及竞争子单元，被配置成基于所述获取子单元获取的至少两个不同方面的特征的对应元素，选择每个元素位置处的最优元素，以得到竞争结果特征。模型训练单元被配置成在训练卷积神经网络模型的过程中，针对所述至少一个卷积层，应用所述竞争结果特征来执行训练。

主权项

1.一种用于对卷积神经网络模型进行训练的装置，包括：特征获取及竞争单元，包括：获取子单元，被配置成针对所述卷积神经网络模型的至少一个卷积层、获取训练样本数据的至少两个不同方面的特征，以及竞争子单元，被配置成基于所述获取子单元获取的至少两个不同方面的特征的对应元素，选择每个元素位置处的最优元素，以得到竞争结果特征；以及模型训练单元，被配置成在训练卷积神经网络模型的过程中，针对所述至少一个卷积层，应用所述竞争结果特征来执行训练，所述模型训练单元包括第一过滤子单元，所述第一过滤子单元被配置成以机会均等的方式、在所述获取子单元获取的至少两个不同方面的特征的对应元素位置保留来自其中一个方面的特征的元素，以得到第一过滤特征，作为要提供给所述竞争子单元以供选择的特征，其中，所述至少两个不同方面的特征是N个方面的特征，并且每个方面的特征的数量为S，每个特征为m×n的矩阵，其中，N、S、m、n为自然数，并且N大于1，以及所述第一过滤子单元被配置成基于第一矩阵M(1)来得到所述第一过滤特征，其中：利用每个元素为[0,1]的均匀分布中的随机采样的第二矩阵R(1)将第一矩阵M(1)定义为：其中，k为1到N的自然数，i为1到S的自然数，x为1到m的自然数，y为1到n的自然数，表示第一矩阵M⁽¹⁾针对所述N个方面当中的第k个方面的第i个特征在点(x,y)处的矩阵元素的值，R⁽¹⁾(i,x,y)表示第二矩阵R⁽¹⁾针对所述N个方面当中的每个方面的第i个特征在点(x,y)处的矩阵元素的值，以及当第一矩阵M⁽¹⁾针对第k个方面的第i个特征在点(x,y)处的矩阵元素的值为1时，所述第一过滤子单元保留第k个方面中的第i个特征在点(x,y)处的元素。