[发明专利]一种深度学习模型的训练方法、装置、设备及存储介质

摘要

本发明适用深度学习技术领域，提供了一种深度学习模型的训练方法、装置、设备及存储介质，该方法包括：根据接收到的训练图像集，采用预设的特征提取算法和预先构建的、未训练的深度学习模型，提取对应的目标特征，通过由提取出的目标特征构成的目标特征集对深度学习模型的隐含层进行局部训练，局部训练完成后，根据从训练图像集中选出的目标图像集，对该深度学习模型的全连接层进行分类训练，以完成该深度学习模型的训练，从而降低了对深度学习模型进行训练的样本数量，使得训练出的深度学习模型更符合人脑视觉皮层特性，并提高了深度学习模型的抗噪声和抗位移能力，进而提高了深度学习模型的训练速度和训练效果。

主权项

1.一种深度学习模型的训练方法，其特征在于，所述方法包括下述步骤：根据接收到的训练图像集，构建深度学习模型，其中，所述深度学习模型包括隐含层和全连接层，所述隐含层由若干特征提取层和与所述特征提取层对应的下采样层组成，所述特征提取层由若干特征提取面组成，所述下采样层由若干下采样面组成，所述全连接层为所述深度学习模型的输出层；根据所述训练图像集，采用构建完成的所述深度学习模型和预设的特征提取算法，提取对应的目标特征；根据由提取得到的所述目标特征构成的目标特征集，对所述隐含层进行局部训练，直至所述特征提取面和所述下采样面设置的种子细胞对应的连接域激活值达到预设的激活阈值；根据预先从所述训练图像集中选出的目标图像集，对已完成所述局部训练的所述深度学习模型进行所述全连接层的分类训练，以完成所述深度学习模型的训练。