[发明专利]多任务学习深度网络的训练方法、设备及存储介质在审
| 申请号： | 201810614856.6 | 申请日： | 2018-06-14 |
| 公开（公告）号： | CN109033953A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 李千目;练智超;侯君;朱虹;李良;宋佳 | 申请（专利权）人： | 深圳市博威创盛科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 深圳市威世博知识产权代理事务所(普通合伙) 44280 | 代理人： | 李庆波 |
| 地址： | 518000 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了多任务学习深度网络的训练方法、设备及存储介质。本发明实施例通过将训练集输入多任务学习深度网络中，从多任务学习深度网络中的若干层卷积层和池化层分别输出相应的运算结果，并将输出的运算结果进行特征融合，利用特征融合数据进行多任务学习中的每个任务的学习，分别输出每个任务对应的预测结果。上述训练方法利用特征融合的方式将多任务学习深度网络中的多个卷积层和池化层输出的运算结果进行特征融合，利用特征融合数据进行多任务学习，进而提高多任务学习中每个任务的检测精度，改善多任务学习网络的性能。 | ||
| 搜索关键词： | 任务学习 特征融合 运算结果 网络 输出 存储介质 池化 卷积 预测结果 训练集 检测 学习 | ||
【主权项】：
1.一种多任务学习深度网络的训练方法，其特征在于，包括：将训练集逐级输入多任务学习深度网络中级联的若干层卷积层和池化层，从所述若干层卷积层和池化层分别输出相应的第一运算结果；将所述第一运算结果输入所述多任务学习深度网络的特征融合全链接层，输出特征融合数据；将所述特征融合数据输入与所述多任务学习中的每个任务对应的全链接层分别进行每个任务的学习，分别输出每个任务对应的预测结果；利用所述预测结果和所述训练集标记的特征信息，修正所述多任务学习深度网络。
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深圳市博威创盛科技有限公司，未经深圳市博威创盛科技有限公司许可，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/201810614856.6/，转载请声明来源钻瓜专利网。
