[发明专利]卷积神经网络的训练方法、图像识别方法及其对应的装置在审
| 申请号： | 201910889110.0 | 申请日： | 2019-09-19 |
| 公开（公告）号： | CN110647992A | 公开（公告）日： | 2020-01-03 |
| 发明（设计）人： | 陈锡显;苏玉鑫;赵胜林;沈小勇;戴宇荣;贾佳亚 | 申请（专利权）人： | 腾讯云计算(北京)有限责任公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06F17/16 |
| 代理公司： | 11330 北京市立方律师事务所 | 代理人： | 张筱宁;宋海斌 |
| 地址： | 100080 北京市*** | 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： | 本申请提供了一种卷积神经网络的训练方法、图像识别方法及其对应的装置，方法包括：确定用于训练卷积神经网络的训练损失函数，训练损失函数包括卷积神经网络中各卷积层对应的正则项和预设损失函数，正则项表征对对应的卷积层的参数矩阵的各特征值与预设数值的差值求和，预设损失函数表征训练过程中卷积神经网络的输出与实际结果之间的差异；获取训练数据集，训练数据集中包括样本数据，样本数据标注有对应的真实结果标签，样本数据包括对抗样本数据；基于训练损失函数和训练数据集对卷积神经网络进行训练，直至训练损失函数的值满足预设条件时，得到训练好的卷积神经网络。该方案训练得到的训卷积神经网络具有更好的鲁棒性，具有更高的防御能力。 | ||
| 搜索关键词： | 卷积神经网络 损失函数 样本数据 预设 训练数据集 防御能力 参数矩阵 结果标签 实际结果 图像识别 训练过程 训练数据 预设条件 鲁棒性 求和 积层 卷积 标注 输出 对抗 申请 | ||
【主权项】：
1.一种卷积神经网络的训练方法，其特征在于，包括：/n确定用于训练所述卷积神经网络的训练损失函数，所述训练损失函数包括卷积神经网络中各卷积层对应的正则项和预设损失函数，所述正则项表征对对应的卷积层的参数矩阵的各特征值与预设数值的差值求和，所述预设损失函数表征训练过程中所述卷积神经网络的输出与实际结果之间的差异；/n获取训练数据集，所述训练数据集中包括样本数据，所述样本数据标注有对应的真实结果标签，所述样本数据包括对抗样本数据；/n基于所述训练损失函数和所述训练数据集对所述卷积神经网络进行训练，直至所述训练损失函数的值满足预设条件时，得到训练好的卷积神经网络。/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腾讯云计算(北京)有限责任公司，未经腾讯云计算(北京)有限责任公司许可，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/201910889110.0/，转载请声明来源钻瓜专利网。
