[发明专利]一种神经网络及其训练方法

说明书

本发明适用于图像识别，提供了神经网络的训练方法，包括：主网络根据训练集进行图像类别识别训练；在判断所述主网络的训练精度达到目标精度后，停止训练所述主网络，获取所述训练集中的第一未识别样本；子网络根据所述第一未识别样本进行图像类别识别训练，得到所述第一未识别样本中的已识别样本和第二未识别样本；根据所述已识别样本调整所述主网络的目标精度；所述主网络根据调整后的目标精度继续进行图像类别识别训练。本发明实施例提高了神经网络的图像类别识别能力和学习限度，在进行图像类别识别时，能够识别更详细的特征，提高了图像特征的识别精度。

技术领域

本发明属于图像识别技术领域，尤其涉及一种神经网络及其训练方法。

背景技术

神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

在现有技术中，图像类别识别存在图像数据量大，图像特征复杂的特点，而运用神经网络来对图像进行特征识别是一种高效的方法。但是在使用神经网络对图像进行特征识别的学习过程中，基于神经网络的学习能力，及样本本身噪音、分布不充分等原因，使得神经网络有学习限度，在进行图像类别识别时，大的特征分得开，但更详细的特征难以分开。

发明内容

本发明所要解决的技术问题在于提供一种神经网络及其训练方法，旨在解决现有神经网络在训练过程中，因为样本问题而出现图像类别识别困难的问题。

本发明是这样实现的，一种神经网络的训练方法，神经网络包括主网络和子网络，所述训练方法包括：

所述主网络根据训练集进行图像类别识别训练；

在判断所述主网络的训练精度达到目标精度后，停止训练所述主网络，获取所述训练集中的第一未识别样本；

所述子网络根据所述第一未识别样本进行图像类别识别训练，得到所述第一未识别样本中的已识别样本和第二未识别样本；

根据所述已识别样本修改所述主网络的目标精度；

所述主网络根据调整后的目标精度继续进行图像类别识别训练。

进一步地，所述主网络根据训练集进行图像类别识别训练包括：

接收训练集，所述训练集包含若干训练样本，每一所述训练样本包含有待识别的图像特征；

所述主网络对所述训练样本进行图像类别的识别，得到所述训练集的已识别训练样本和未识别训练样本。

进一步地，所述在判断所述主网络的训练精度达到目标精度后，停止训练所述主网络，获取所述训练集中的第一未识别样本包括：

根据所述已识别训练样本和所述未识别训练样本，计算得到所述主网络的训练精度；

若所述主网络的训练精度达到目标精度，则停止训练所述主网络，以所述未识别训练样本为第一未识别样本。

进一步地，若所述主网络的训练精度未达到所述目标精度，则继续对所述主网络进行识别图像类别的训练。

进一步地，所述子网络根据所述第一未识别样本进行图像类别识别训练，得到所述第一未识别样本中的已识别样本和第二未识别样本包括：

所述子网络对所述第一未识别样本进行图像类别的识别，若完成对图像类别的识别，则标记为已识别样本，若无法完成对图像类别的识别，则标记为第二未识别样本。

进一步地，所述根据所述已识别样本调整所述主网络的目标精度包括：

将所述已识别样本的数量反馈至所述主网络；

所述主网络根据所述已识别样本的数量调整目标精度。