[发明专利]卷积神经网络训练方法和系统、对象分类方法和分类器有效
| 申请号： | 201610430106.4 | 申请日： | 2016-06-16 |
| 公开（公告）号： | CN106127232B | 公开（公告）日： | 2020-01-14 |
| 发明（设计）人： | 汤晓鸥;黄琛;李亦宁;吕健勤 | 申请（专利权）人： | 北京市商汤科技开发有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 11204 北京英赛嘉华知识产权代理有限责任公司 | 代理人： | 王达佐;杨莘 |
| 地址： | 100084 北京市海淀区中*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了卷积神经网络训练方法和系统、对象分类方法和分类器。卷积神经网络训练方法包括：将训练样品集中的包含训练样品数目大于预定值的类别划分成多个子类别，其中所划分出的每个子类别所包含的训练样品数目小于或等于预定值；以及根据划分出的子类别以及训练样品集中未经划分的类别训练卷积神经网络。根据本申请，训练过程对训练样品集的非均衡性的耐受性增强，相应地，CNN的训练质量以及使用CNN进行对象分类的准确性得以提高。 | ||
| 搜索关键词： | 卷积 神经网络 训练 方法 系统 对象 分类 | ||
【主权项】：
1.一种卷积神经网络训练方法，其特征在于，包括：/n通过调整训练图像样品集中多个训练图像样品之间的相似度，将所述训练图像样品集中包含训练图像样品数目大于预定值的类别划分成多个子类别，其中所划分出的每个子类别所包含的训练图像样品数目小于或等于所述预定值；/n调整所述训练图像样品集中多个训练图像样品之间的相似度以使得同一子类别的训练图像样品之间的相似度提升而不同子类别的训练图像样品之间的相似度降低，并且同一类别的训练图像样品之间的相似度提升而不同类别的训练图像样品之间的相似度降低；以及/n根据划分出的子类别以及所述训练图像样品集中未经划分的类别训练卷积神经网络。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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北京市商汤科技开发有限公司，未经北京市商汤科技开发有限公司许可，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/patent/201610430106.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种新型分体式胀管模具
- 下一篇：一种新型增氧泵
