[发明专利]神经网络模型的训练方法、装置、电子设备及存储介质有效
| 申请号： | 201910722628.5 | 申请日： | 2019-08-06 |
| 公开（公告）号： | CN110413812B | 公开（公告）日： | 2022-04-26 |
| 发明（设计）人： | 李根;何轶;李磊;杨明敏 | 申请（专利权）人： | 北京字节跳动网络技术有限公司 |
| 主分类号： | G06F16/51 | 分类号： | G06F16/51;G06K9/62;G06N3/08 |
| 代理公司： | 北京市立方律师事务所 11330 | 代理人： | 张筱宁 |
| 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： | 本公开实施例提供了一种神经网络模型的训练方法、装置、电子设备及存储介质，包括：获取训练样本数据，训练样本数据中包括正样本图像集和负样本图像集，其中，正样本图像集包括原始图像和原始图像的变换图像，负样本图像集中的图像与原始图像的相似度小于设定值；基于训练样本数据对初始的神经网络模型进行训练，直至神经网络模型的总损失函数满足预设条件。在本公开实施例中，可以通过神经网络模型的总损失函数满足预设条件的设置，使通过训练结束后得到的神经网络模型得到的不同的图像的哈希码的鲁棒性得到增强，并且由于图像的哈希码的鲁棒性得到增强，因此，在根据图像的哈希码确定相似度时可以有效的提升准确率。 | ||
| 搜索关键词： | 神经网络 模型 训练 方法 装置 电子设备 存储 介质 | ||
【主权项】：
1.一种神经网络模型的训练方法，其特征在于，包括：获取训练样本数据，所述训练样本数据中包括正样本图像集和负样本图像集，其中，正样本图像集包括原始图像和原始图像的变换图像，负样本图像集中的图像与原始图像的相似度小于设定值；基于所述训练样本数据对初始的神经网络模型进行训练，直至所述神经网络模型的总损失函数满足预设条件；其中，所述神经网络模型是以图像为输入并且以图像的哈希码为输出的模型，所述总损失函数包括基于原始图像的哈希码和负样本图像集中的图像的哈希码确定的第一损失函数、以及基于原始图像的哈希码和原始图像的变换图像的哈希码确定的第二损失函数。
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/201910722628.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于人脸识别的路人库跨通道聚合方法
- 下一篇：一种相同或相似图像搜索方法
