[发明专利]一种用于图像数据分类的神经网络模型的训练方法与设备

摘要

本发明公开了一种用于图像分类的神经网络模型的训练方法，包括步骤：S1基于CNN和LSTM构建神经网络模型，并获取图像训练集和测试集；S2利用图像训练集的第一部分图像对模型进行训练；S3将图像测试集输入到训练后的模型中，得到图像测试集的预测分类结果；S4利用自主学习算法根据预测分类结果得到图像测试集中满足预设条件的图像，并对其进行实际分类；S5利用满足预设条件的图像及其对应的实际分类结果以及图像训练集的第一部分图像对上一次训练后的模型进行再次训练；S6利用图像训练集的第二部分图像对再次训练后的模型进行测试。本发明公开的方法能够针对图像进行自动化分类识别，提高分类效率，可以有效地辅助人们判断特定影像数据。

主权项

1.一种用于图像数据分类的神经网络模型的训练方法，其中所述方法包括步骤：S1，基于卷积神经网络和长短期记忆神经网络构建神经网络模型，并获取图像训练集、图像测试集；S2，利用所述图像训练集的第一部分图像对所述神经网络模型进行训练；S3，将所述图像测试集输入到训练后的神经网络模型中，得到所述图像测试集的预测分类结果；S4，利用自主学习算法根据所述预测分类结果得到所述图像测试集中满足预设条件的图像，并对其进行实际分类；S5，利用所述满足预设条件的图像及其对应的实际分类结果以及所述图像训练集的所述第一部分图像对上一次训练后的神经网络模型进行再次训练；和S6，利用所述图像训练集的第二部分图像对再次训练后的神经网络模型进行测试，以确认所述模型的预测分类结果满足预设精度。