[发明专利]神经网络模型的处理方法和装置在审
| 申请号： | 201810904409.4 | 申请日： | 2018-08-09 |
| 公开（公告）号： | CN109146061A | 公开（公告）日： | 2019-01-04 |
| 发明（设计）人： | 张宝昌;王晓迪;曹先彬 | 申请（专利权）人： | 北京航空航天大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06K9/62 |
| 代理公司： | 北京同立钧成知识产权代理有限公司 11205 | 代理人： | 张宁;刘芳 |
| 地址： | 100181 北京市海淀区学*** | 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： | 本发明提供一种神经网络模型的处理方法和装置，该方法包括：重复执行以下步骤，直至神经网络模型的损失误差达到预设条件：获取样本图像，输入到神经网络模型，进行拓展处理，得到三维特征图；对每一层卷积层中的原始卷积核进行二值化，得到每一层卷积层的二值化卷积核；根据每一层卷积层中的调制卷积核，对每一层卷积层的二值化卷积核进行调制，生成每一层卷积层的重构卷积核；根据每一层卷积层的重构卷积核和三维特征图，确定最后一层卷积层的三维输出特征图；根据各原始卷积核、二值化卷积核和调制卷积核和三维输出特征图，计算损失误差；根据损失误差，对每一层卷积层中的原始卷积核和调制卷积核进行更新。本方案能够提高神经网络的性能。 | ||
| 搜索关键词： | 卷积核 卷积 神经网络模型 二值化 调制 方法和装置 三维特征 输出特征 重构卷积 三维 神经网络 样本图像 预设条件 重复执行 更新 拓展 | ||
【主权项】：
1.一种神经网络模型的处理方法，其特征在于，包括：重复执行以下所有步骤，直至神经网络模型的损失误差达到预设条件，以得到成熟的神经网络模型：获取样本图像，并将样本图像输入到神经网络模型中，其中，所述神经网络模型中具有至少一层卷积层；根据神经网络模型对所述样本图像进行拓展处理，得到三维特征图；对所述神经网络模型中的每一层卷积层中的原始卷积核进行二值化，得到每一层卷积层的二值化卷积核；根据每一层卷积层中的调制卷积核，对每一层卷积层的二值化卷积核进行调制，生成每一层卷积层的重构卷积核；根据每一层卷积层的重构卷积核和所述三维特征图，确定所述神经网络模型中最后一层卷积层的三维输出特征图；根据各层卷积层中的原始卷积核、二值化卷积核和调制卷积核，以及所述三维输出特征图，计算神经网络模型的损失误差；根据所述损失误差，对每一层卷积层中的原始卷积核和调制卷积核进行更新。
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航空航天大学，未经北京航空航天大学许可，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/201810904409.4/，转载请声明来源钻瓜专利网。
