[发明专利]一种基于图像识别的人工智能模型训练方法及装置在审
| 申请号： | 201811353403.9 | 申请日： | 2018-11-14 |
| 公开（公告）号： | CN109460792A | 公开（公告）日： | 2019-03-12 |
| 发明（设计）人： | 张少林;宁欣;石园 | 申请（专利权）人： | 深圳市威富视界有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/00 |
| 代理公司： | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人： | 逯恒 |
| 地址： | 518100 广东省深圳市宝*** | 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： | 本发明提供一种基于图像识别的人工智能模型训练方法及系统，其中，该人工智能模型训练方法包括：获取基准样本集、注册样本集以及验证集；以GoogLeNet网络结构和基准样本集为依据训练原始人工智能模型；对原始人工智能模型进行优化迭代训练，得到至少一个优化人工智能模型；输入验证集，得到原始准确率以及与至少一个优化准确率；判断至少一个优化准确率中是否存在一个满足限制条件的最优准确率；当最优准确率存在的时候，确定最优准确率对应的优化人工智能模型为最优人工智能模型。可见，本发明所描述的基于图像识别的人工智能模型训练方法能够通过使用该人工智能模型以人工智能的手段来提高图像识别的效率、精度，并降低图像识别的成本。 | ||
| 搜索关键词： | 人工智能模型 准确率 图像识别 优化 基准样本 人工智能 迭代训练 输入验证 网络结构 限制条件 验证集 样本集 | ||
【主权项】：
1.一种基于图像识别的人工智能模型训练方法，其特征在于，包括：获取基准样本集、注册样本集以及验证集；其中，所述基准样本集、注册样本集以及验证集均包括图像，所述基准样本集包括的图像被归类为正常图像，所述注册样本集包括的图像被归类为特殊图像，所述验证集包括的图像被归类为所述基准样本集和所述注册样本集皆未包括的其它图像，并且所述正常图像、所述特殊图像以及所述其它图像按照阶元系统标准皆属于同类图像；以GoogLeNet网络结构和所述基准样本集为依据训练原始人工智能模型；以预设优化模型、所述基准样本集以及所述注册样本集为依据，对所述原始人工智能模型进行优化迭代训练，并获取优化迭代训练过程中存在的至少一个优化人工智能模型；在所述原始人工智能模型和所述至少一个优化人工智能模型中输入所述验证集，计算出与所述原始人工智能模型对应的原始准确率以及与所述至少一个优化人工智能模型一一对应的至少一个优化准确率；判断所述至少一个优化准确率中是否存在大于原始准确率的优化准确率，且与所述原始准确率差值的绝对值小于预设阈值的最优准确率；当所述最优准确率存在的时候，确定所述最优准确率对应的优化人工智能模型为最优人工智能模型。
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威富视界有限公司，未经深圳市威富视界有限公司许可，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/201811353403.9/，转载请声明来源钻瓜专利网。
