[发明专利]基于迁移学习的模型构建方法、图像识别方法及其装置有效
| 申请号： | 201910656794.X | 申请日： | 2019-07-19 |
| 公开（公告）号： | CN110598727B | 公开（公告）日： | 2023-07-28 |
| 发明（设计）人： | 尉桦;邵新庆;刘强 | 申请（专利权）人： | 深圳力维智联技术有限公司;南京中兴力维软件有限公司 |
| 主分类号： | G06V10/774 | 分类号： | G06V10/774;G06V10/82;G06N3/0442;G06N3/0464;G06N3/096 |
| 代理公司： | 深圳鼎合诚知识产权代理有限公司 44281 | 代理人： | 彭家恩 |
| 地址： | 518057 广东省深圳市南*** | 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： | 基于迁移学习的模型构建方法、图像识别方法及其装置，该基于迁移学习的模型构建方法包括：利用第一训练集，通过深度神经网络训练得到第一学习模型；利用第二训练集对第一学习模型的各个网络层逐一进行参数微调，直至第一学习模型的损失函数的结果不再下降或者历遍所有的网络层，构建得到第二学习模型；组合第一训练集和第二训练集，通过第二学习模型训练得到第三学习模型；该第三学习模型用于对具有第一类特征和/或第二类特征的物体的图像进行特征信息提取。由于在构建模型时，不仅利用了第一训练集，还利用了第二训练集，如此使得构建的第二学习模型可以具备两个训练集的特征学习能力，而且能够达到较好的收敛效果。 | ||
| 搜索关键词： | 基于 迁移 学习 模型 构建 方法 图像 识别 及其 装置 | ||
【主权项】：
1.基于迁移学习的模型构建方法,其特征在于，包括：/n利用第一训练集，通过深度神经网络训练得到第一学习模型；所述第一训练集包括具有第一类特征的物体的多幅图像；/n利用第二训练集，对所述第一学习模型的各个网络层逐一进行参数微调，直至所述第一学习模型的损失函数的结果不再下降或者历遍所有的网络层，构建得到第二学习模型；所述第二训练集包括具有第二类特征的物体的多幅图像；/n组合所述第一训练集和所述第二训练集，通过所述第二学习模型训练得到第三学习模型；所述第三学习模型用于对具有第一类特征和/或第二类特征的物体的图像进行特征信息提取。/n
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力维智联技术有限公司;南京中兴力维软件有限公司，未经深圳力维智联技术有限公司;南京中兴力维软件有限公司许可，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/201910656794.X/，转载请声明来源钻瓜专利网。
