[发明专利]利用训练样本及折中度量的3D卷积神经网络构建方法在审
| 申请号： | 201711033085.3 | 申请日： | 2017-10-30 |
| 公开（公告）号： | CN107729993A | 公开（公告）日： | 2018-02-23 |
| 发明（设计）人： | 郑苏桐;郭晓强;李小雨;王东飞;周芸;姜竹青;门爱东 | 申请（专利权）人： | 国家新闻出版广电总局广播科学研究院;北京邮电大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 天津盛理知识产权代理有限公司12209 | 代理人： | 王利文 |
| 地址： | 100886 北京市西*** | 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： | 本发明涉及一种利用训练样本及折中度量的3D卷积神经网络构建方法，其技术特点是构造孪生结构的3D卷积神经网络；设置网络的损失函数，该损失函数由正样本损失、负样本损失及正则化损失构成，并在正则化损失中结合了马氏距离和欧氏距离；使用softmax损失函数，使用视频序列形式的数据集对网络进行预训练；构造正样本对和负样本对，对图像进行预处理和分割；有选择地利用训练样本对网络进行训练。本发明设计合理，其有选择地使用训练样本来提高训练效率并抑制过拟合，同时，在对特征进行度量时对欧氏距离和马氏距离进行权衡，从而构建3D卷积神经网络模型，试验表明本发明构建的模型及训练策略使得系统整体匹配率大大提升。 | ||
| 搜索关键词： | 利用 训练 样本 折中 度量 卷积 神经网络 构建 方法 | ||
【主权项】：
一种利用训练样本及折中度量的3D卷积神经网络构建方法，其特征在于包括以下步骤：步骤1、构造孪生结构的3D卷积神经网络；步骤2、设置网络的损失函数，该损失函数由正样本损失、负样本损失及正则化损失构成，并在正则化损失中结合了马氏距离和欧氏距离；步骤3、使用softmax损失函数，使用视频序列形式的数据集对网络进行预训练；步骤4、构造正样本对和负样本对，对图像进行预处理和分割；步骤5、有选择地利用训练样本对网络进行训练。
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国家新闻出版广电总局广播科学研究院;北京邮电大学，未经国家新闻出版广电总局广播科学研究院;北京邮电大学许可，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/201711033085.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种终端状态变化时长的调整方法及装置
- 下一篇：一种信息处理方法及移动终端
