[发明专利]一种基于虚拟图像数据集的神经网络迁移学习方法

摘要

本发明属于机器学习技术领域，公开了一种基于虚拟图像数据集的神经网络迁移学习方法，包括通过图形化模拟软件获取虚拟图像数据，对虚拟数据集进行分类标记，得到图像数据集；通过对虚拟数据集的预处理，利用神经网络训练目标识别模型，保存经过虚拟数据集训练好的参数模型；迁移学习，利用新的目标数据集对已经保存的预训练模型再次进行训练。本发明基于虚拟图像数据集，通过虚幻引擎采集所需要的场景或目标构建数据集，通过对虚拟数据集的训练得到预训练模型，并利用迁移学习的方法针对少量数据集便可以达到实际应用效果。

主权项

一种基于虚拟图像数据集的神经网络迁移学习方法，其特征在于，所述基于虚拟图像数据集的神经网络迁移学习方法包括：第一步，通过图形化模拟软件获取虚拟图像数据，对虚拟数据集进行分类标记，得到图像数据集；通过3D建模软件建立目标模型/从网络影视游戏中获取目标模型；将该模型导入图形化模拟软件，设置材料属性；通过图形化模拟软件中设置的摄像机轨道，从不同角度对目标模型进行图像信息采集；分类对图像信息进行储存；生成随机数据改变目标模型的所述环境信息；判断是否达到预期效果，达到结束，未达到返回通过图形化模拟软件中设置的摄像机轨道，从不同角度对目标模型进行图像信息采集；然后对虚拟数据集进行分类标记，得到图像数据集；第二步，通过对虚拟数据集的预处理，将JPEG编码图像转化成二进制文件保存，搭建神经网络模型，模型包括卷积层、下采样层、全连接层并采用Relu作为激活函数，通过梯度下降的方法优化交叉熵，直到损失函数达到阈值，保存经过虚拟数据集训练好的参数模型；梯度下降：其中代表梯度负方向，ρk表示梯度方向的搜索步长；交叉熵：C=-1nΣx[ylna+(1-y)ln(1-a)];]]>第三步，迁移学习，利用新的目标数据集对已经保存的预训练模型再次进行训练。