[发明专利]卷积神经网络模型训练方法、装置和计算机可读存储介质有效
| 申请号： | 201910485052.5 | 申请日： | 2019-06-05 |
| 公开（公告）号： | CN110288082B | 公开（公告）日： | 2022-04-05 |
| 发明（设计）人： | 朱延东;王长虎 | 申请（专利权）人： | 北京字节跳动网络技术有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 北京风雅颂专利代理有限公司 11403 | 代理人： | 安凯 |
| 地址： | 100041 北京市石景山区*** | 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： | 本公开一种卷积神经网络模型训练方法、装置、电子设备和计算机可读存储介质。其中方法包括：将卷积神经网络分为多个卷积阶段；其中卷积阶段由至少一个卷积层组成；确定卷积神经网络的参数；将正训练样本集合输入卷积神经网络进行训练，得到每个样本图像对应的多个卷积阶段的特征图像；针对每个样本图像，将对应的多个卷积阶段的特征图像进行融合；根据每个样本图像融合后的特征图像得到正样本卷积神经网络模型；其中，所述正样本卷积神经网络模型用于识别目标区域。本公开实施例在正样本卷积神经网络模型训练的过程中融合卷积神经网络多个卷积阶段的特征图像，可以提高正样本卷积神经网络模型对目标区域的正确识别率。 | ||
| 搜索关键词： | 卷积 神经网络 模型 训练 方法 装置 计算机 可读 存储 介质 | ||
【主权项】：
1.一种卷积神经网络模型训练方法，其特征在于，包括：对卷积神经网络的多个卷积层进行分割，得到多个卷积阶段；其中所述多个卷积层依次串联；确定所述卷积神经网络的参数；将正训练样本集合输入所述卷积神经网络进行训练，得到每个样本图像对应的多个卷积阶段的特征图像；其中，所述正训练样本集合由多个标记了目标区域的样本图像组成；针对每个样本图像，将对应的多个卷积阶段的特征图像进行融合；根据所述每个样本图像融合后的特征图像得到正样本卷积神经网络模型；其中，所述正样本卷积神经网络模型用于识别所述目标区域。
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字节跳动网络技术有限公司，未经北京字节跳动网络技术有限公司许可，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/201910485052.5/，转载请声明来源钻瓜专利网。
