[发明专利]深度学习模型的建立方法、图像处理方法及装置有效
| 申请号： | 201910356937.5 | 申请日： | 2019-04-29 |
| 公开（公告）号： | CN110222816B | 公开（公告）日： | 2022-08-12 |
| 发明（设计）人： | 郭梓超 | 申请（专利权）人： | 北京迈格威科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06K9/62;G06V10/774;G06V10/82 |
| 代理公司： | 北京润泽恒知识产权代理有限公司 11319 | 代理人： | 莎日娜 |
| 地址： | 100086 北京市海淀区科*** | 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： | 本发明提供了一种深度学习模型的建立方法、图像处理方法及装置，在第一深度学习模型中，将卷积层的最大输入通道数及最大输出通道数，设置为卷积层的权重池的体积参数；将多个比例参数依次与权重池的体积参数相乘，得到多个子权重池；针对子权重池依次进行卷积计算，并根据计算得到的每个子权重池的输出通道数，建立多个第二深度学习模型，将第二深度学习模型导入启发式算法模型，输出满足预设测试指标的第三深度学习模型。本发明通过划分多个具有不同宽度组合的第二深度学习模型，并利用启发式算法模型，从第二深度学习模型中筛选出具有优选宽度组合的第三深度学习模型，达到了模型宽度设定的自动化的目的，减少了模型训练所需的资源。 | ||
| 搜索关键词： | 深度 学习 模型 建立 方法 图像 处理 装置 | ||
【主权项】：
1.一种深度学习模型的建立方法，其特征在于，所述方法包括：在第一深度学习模型中，将每一层卷积层的最大输入通道数及最大输出通道数，设置为所述卷积层对应的权重池的体积参数；将多个比例参数依次与所述权重池的体积参数相乘，得到多个子权重池；针对所述卷积层包括的子权重池依次进行卷积计算，并根据计算得到的每个所述子权重池的输出通道数，建立多个第二深度学习模型，所述第二深度学习模型的每一层卷积层设置有相应的目标输出通道数；将所述第二深度学习模型导入启发式算法模型，输出满足预设测试指标的第三深度学习模型。
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北京迈格威科技有限公司，未经北京迈格威科技有限公司许可，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/201910356937.5/，转载请声明来源钻瓜专利网。
