[发明专利]神经网络模型训练方法、图像识别方法和装置有效
| 申请号： | 201910767331.0 | 申请日： | 2019-08-20 |
| 公开（公告）号： | CN110555526B | 公开（公告）日： | 2022-07-29 |
| 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： | G06N3/08 | 分类号： | G06N3/08;G06N3/04;G06V10/70;G06V10/82;G06V10/774;G06K9/62 |
| 代理公司： | 北京华进京联知识产权代理有限公司 11606 | 代理人： | 朱五云 |
| 地址： | 100190 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： | 本申请涉及一种神经网络模型训练方法、图像识别方法、装置、计算机设备和可读存储介质。该方法包括：获取训练样本数据和初始阶段的采样概率向量；采样概率向量中的每个元素值表征每种数据变换方式被选中为目标数据变换方式的概率；根据训练样本数据、初始阶段的采样概率向量和预设的数据变换预测模型，采用不同阶段的采样概率向量得到的增广样本数据对初始的神经网络模型进行多个阶段的训练，得到训练好的神经网络模型；数据变换预测模型用于根据每个阶段的采样概率向量预测每个阶段的下一阶段的采样概率向量。采用本方法能够提高训练出的神经网络模型的性能。 | ||
| 搜索关键词： | 神经网络 模型 训练 方法 图像 识别 装置 | ||
【主权项】：
1.一种神经网络模型训练方法，其特征在于，包括：/n获取训练样本数据和初始阶段的采样概率向量；所述采样概率向量中的每个元素值表征每种数据变换方式被选中为目标数据变换方式的概率；/n根据所述训练样本数据、初始阶段的采样概率向量和预设的数据变换预测模型，采用不同阶段的采样概率向量得到的增广样本数据对初始的神经网络模型进行多个阶段的训练，得到训练好的神经网络模型；所述数据变换预测模型用于根据每个阶段的采样概率向量预测每个阶段的下一阶段的采样概率向量。/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/201910767331.0/，转载请声明来源钻瓜专利网。
- 上一篇：模型参数确定方法、装置和电子设备
- 下一篇：延时摄影视频的生成方法及设备
