“网络训练”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1091524个，建议您升级VIP下载更多相关专利

[发明专利]基于深度学习框架网络训练网络模型的方法、装置和设备-CN202310936007.3在审
发明人：肖海斌;张知行;李想;祝木强;史大超 -专利权人：北京中科腾云科技有限公司
申请日： 2023-07-27 - 公布日： 2023-10-20 - 主分类号： G06N3/048 文献下载
摘要：本申请涉及一种基于深度学习框架网络训练网络模型的方法、装置和设备，通过根据获取的待进行训练的网络模型结构及参数、第一训练目标、第二训练目标以及训练数据集输入已训练好的多模态大型神经网络中，使其根据第一训练目标以及训练数据集对网络模型中参数进行调整直至网络模型达到第一训练目标，则得到初步训练好的网络模型，或者对网络模型进行训练，得到初步训练好的网络模型，再对初步训练好的网络模型进行压缩，得到压缩后的网络模型，再次利用多模态大型神经网络对压缩后的网络模型中参数进行调整直至网络模型达到第二训练目标，则得到训练好的网络模型，采用本方法可得到结构更为简单，其性能更为优良的网络模型。
基于深度学习框架网络训练模型方法装置设备

[发明专利]神经网络的训练方法、图像识别方法及其装置-CN201911088011.9在审
发明人：过群;鲁骁;孟二利;王斌;纪鸿旭;史亮;齐保元;陈宇鹏;王铄 -专利权人：北京小米移动软件有限公司
申请日： 2019-11-08 - 公布日： 2020-03-17 - 主分类号： G06N3/04 文献下载
摘要：本公开是关于一种神经网络的训练方法、图像识别方法及其装置。其中神经网络的训练方法，神经网络包括特征提取网络和分类网络，方法包括：超参数确定步骤及网络训练步骤；其中，超参数确定步骤包括：设置分类网络的超参数；基于训练样本集训练分类网络，其中训练样本集包括多个样本和样本对应的标准分类；及，判断分类网络是否达到第一训练标准，若达到第一训练标准，保存分类网络并执行网络训练步骤；若未达到第一训练标准，则返回重新设置分类网络的超参数；网络训练步骤包括：基于训练样本集训练神经网络。通过少量样本确定神经网络的超参数，再训练，在保证神经网络准确率基础上，降低训练样本标注数据量的需求，提升调优速度。
神经网络训练方法图像识别及其装置

[发明专利]模型训练方法及装置-CN201910777834.6在审
发明人：张浩 -专利权人：广东浪潮大数据研究有限公司
申请日： 2019-08-22 - 公布日： 2019-11-29 - 主分类号： G06N3/08 文献下载
摘要：本发明提供了一种模型训练方法，包括：获取待训练的网络生成模型；对网络生成模型重复执行训练操作，直至执行训练操作的次数满足预设的训练次数，或网络生成模型的模型参数满足预设的训练条件，以得到训练完成的目标网络生成模型；该训练操作，包括：应用网络生成模型，生成初始神经网络；为初始神经网络分配分类权重；获取训练数据对已分配分类权重的初始神经网络进行训练，得到目标神经网络；对目标神经网络进行评价，得到网络评价值；基于网络评价值更新网络生成模型的模型参数能够通过训练网络生成模型，使得网络生成模型生成的子网络有较好的网络结构，进而可以提高训练效率，使得训练好的网络生成模型生成的子网络能够具有好的分类效果。
网络生成生成模型神经网络训练操作分类权重模型参数模型生成目标神经子网络预设网络分类效果模型训练目标网络网络结构网络评价训练数据训练条件训练网络训练效率应用网络重复执行新网络分配

[发明专利]目标检测网络的训练方法、电子设备及存储介质-CN202010078783.0有效
发明人：牛新;何贤浩;窦勇;姜晶菲;李荣春;苏华友;乔鹏;潘衡岳 -专利权人：中国人民解放军国防科技大学
申请日： 2020-02-03 - 公布日： 2023-06-20 - 主分类号： G06N3/08 文献下载
摘要：本申请公开一种目标检测网络的训练方法、电子设备及存储介质，该方法包括：分别构建孪生网络和目标检测网络的网络结构；获取训练集，训练集中包括多组含有飞行器图像的交叉样本图像；根据训练集包括的交叉样本图像训练孪生网络，得到训练后的孪生网络对应的网络参数；根据网络参数和训练集包括的交叉样本图像，训练目标检测网络。本申请根据训练好的孪生网络的网络参数和训练集来训练目标检测网络。由于孪生网络的网络参数对于不同样本具有很好的鲁棒性，因此将训练好的孪生网络的网络参数作为目标检测网络的初始化参数，能够使得目标检测网络在初始状态具备较好的鲁棒性，从而训练后能够提高目标检测的准确性。
目标检测网络训练方法电子设备存储介质

[发明专利]一种用于轻量级网络的知识蒸馏热启动训练方法和系统-CN202310967892.1在审
发明人：邵杰;雷敏;武鑫;梁爽;陈飞宇;许辉;赵磊 -专利权人：四川省人工智能研究院（宜宾）
申请日： 2023-08-02 - 公布日： 2023-09-29 - 主分类号： G06T3/40 文献下载
摘要：本发明提供一种用于轻量级网络的知识蒸馏热启动训练方法和系统，该方法包括获取至少一个随机初始化的轻量级网络模型；将低分辨率图像和对应高分辨率图像作为一对训练样本，基于多个训练样本获取训练样本集合；将训练样本集合中的低分辨率图像输入轻量级网络模型，训练轻量级网络模型，获得第一预训练网络模型；将第一预训练网络模型的权重加载于轻量级网络模型，并保持训练的各项参数不变，基于训练样本集合，对轻量级网络模型进行一轮或多轮训练，获得第二预训练网络模型；将第二预训练网络模型的权重加载于轻量级网络模型，基于教师网络的监督，训练轻量级网络模型，获得第三预训练网络模型。
一种用于轻量级网络知识蒸馏启动训练方法系统

[发明专利]图像增强网络的训练方法、图像处理方法及相关设备-CN202010969598.0在审
发明人：李果;熊宝玉;张文杰 -专利权人：北京金山云网络技术有限公司
申请日： 2020-09-15 - 公布日： 2020-12-18 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种图像增强网络的训练方法、图像处理方法及相关设备，该训练方法中选用的图像生成网络由至少两级生成子网络组成，在训练过程中，选取初始图像作为训练样本输入图像生成网络，逐级对所述图像生成网络中的各级生成子网络进行训练，当所述图像生成网络的末级生成子网络完成训练时，结束对所述图像生成网络的训练，将训练完成的所述图像生成网络作为所述图像增强网络。本发明实施例提供的图像增强网络的训练方法，采用分层式训练方式，每一级生成子网络的输入由小尺寸开始逐级增大进行训练，相比现有对抗式生成网络一律采用全尺寸样本进行训练，综合训练量更小，训练出的图像增强网络占用空间小
图像增强网络训练方法处理相关设备

[发明专利]网络流早期分类-CN201580083836.5有效
发明人：亚历山大·阿列克谢耶维奇·谢罗夫;瓦列里·尼古拉耶维奇·格卢霍夫 -专利权人：华为技术有限公司
申请日： 2015-10-12 - 公布日： 2020-08-07 - 主分类号： H04L12/24 文献下载
摘要：本发明提出一种网络流早期分类方法。所述方法包含训练阶段，包括：捕获全长训练网络流；为捕获的全长训练网络流分配类别；在全长训练网络流上训练预测模型；从全长训练网络流中获取截断训练网络流；将在全长训练网络流上训练的预测模型应用于截断训练网络流，以获取多个训练类别；将使用截断训练网络流上的预测模型预测的训练类别与分配类别进行比较；以及通过考虑训练类别和分配类别的比较，在截断训练网络流上训练校正模型。预测阶段包括：接收未分类网络流的前几个包，所述未分类网络流是早期分类的对象；从未分类网络流中获取截断未分类网络流；将预测模型应用于截断未分类网络流，并输出预测模型分类结果；通过考虑预测模型分类结果，将校正模型应用于截断未分类网络流，并输出校正模型分类结果；以及合并校正模型分类结果以做出对未分类网络流的最终预测。
网络早期分类

[发明专利]神经网络训练方法及装置、图像分类的方法及装置-CN202010231122.7在审
发明人：李鹏 -专利权人：南京人工智能高等研究院有限公司
申请日： 2020-03-27 - 公布日： 2021-09-28 - 主分类号： G06N3/04 文献下载
摘要：本公开公开了一种神经网络训练方法及装置、基于神经网络进行图像分类的方法及装置、计算机可读存储介质及电子设备。神经网络训练方法包括：将训练样本输入被训练神经网络；通过训练样本以及被训练神经网络，确定被训练神经网络的第一损失值；通过训练样本以及至少一个注意力网络，确定至少一个注意力网络的第二损失值；根据第一损失值和第二损失值，更新被训练神经网络中的参数。本方案利用注意力网络辅助训练神经网络，提升了神经网络训练效果，同时，训练完成的神经网络可以与注意力网络剥离，使得神经网络的参数量不会增加。
神经网络训练方法装置图像分类

[发明专利]图像处理方法、图像处理设备和可读存储介质-CN202080002356.2在审
发明人：陈冠男;段然;高艳 -专利权人：京东方科技集团股份有限公司
申请日： 2020-10-16 - 公布日： 2022-06-17 - 主分类号： G06T5/00 文献下载
摘要：公开一种图像处理方法、图像处理设备和计算机可读存储介质，图像处理方法包括：利用训练好的第一神经网络对输入图像进行处理，得到目标输出图像；训练好的第一神经网络是对待训练的第一神经网络进行第一训练方法训练得到，第一训练方法包括：对待训练的第二神经网络和待训练的判别网络进行交替训练，得到训练好的第二神经网络和训练好的判别网络；将第一样本图像分别提供给训练好的第二神经网络和待训练的第一神经网络，以使待训练的第一神经网络输出第一输出图像，训练好的第二神经网络输出第二输出图像；将第一输出图像提供给训练好的判别网络，以使判别网络生成第一判别结果；根据总损失调整第一神经网络的参数，得到更新后的第一神经网络。
图像处理方法设备可读存储介质

[发明专利]基于级联网络的分步异源图像模板匹配方法-CN202111450018.8在审
发明人：缑水平;牟金明;李睿敏;郭璋;毛莎莎;逯皓帆;任海洋;白苑宁 -专利权人：西安电子科技大学
申请日： 2021-12-01 - 公布日： 2022-03-04 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于级联网络的分步异源图像模板匹配方法，主要解决现有技术对于大尺寸异源图像对难以平衡匹配速度和精度的问题。其实现方案为：根据开源数据集构建训练集和测试集；构建抑制网络，并制作该网络的训练数据，利用该数据训练抑制网络；构建粗粒度匹配网络，并根据训练集构建该网络的训练数据，利用该训练数据和训练好的抑制网络训练粗粒度匹配网络；构建细粒度匹配网络，并根据训练集制作该网络的训练数据，利用该训练数据训练细粒度匹配网络；将测试集图像输入到训练好的粗粒度匹配网络，再将输出结果输入到训练好的细粒度匹配网络得到匹配结果。
基于级联网络分步图像模板匹配方法

[发明专利]基于半监督学习的脑部肿瘤识别模型的训练方法及装置-CN202010794964.3在审
发明人：徐枫;叶葳蕤;郭雨晨;杨东;雍俊海;戴琼海 -专利权人：清华大学
申请日： 2020-08-10 - 公布日： 2020-12-18 - 主分类号： G06T7/00 文献下载
摘要：本发明提出一种基于半监督学习的脑部肿瘤识别模型的训练方法及装置，所述脑部肿瘤识别模型包括检测网络和分类网络，所述方法包括：获取第一训练样本集和第二训练样本集；利用所述第一训练样本集，分别对所述检测网络和所述分类网络进行无监督学习，生成预训练检测网络和预训练分类网络；利用所述第二训练样本集，对所述预训练检测网络和所述预训练分类网络进行训练，生成经过训练后的检测网络和经过训练后的分类网络；输出经过训练后的脑部肿瘤识别模型，所述经过训练后的脑部肿瘤识别模型包括所述经过训练后的检测网络和所述经过训练后的分类网络本发明通过半监督学习方式充分利用精标与粗标数据，从而得到更加鲁棒的深度卷积神经网络。
基于监督学习脑部肿瘤识别模型训练方法装置

[发明专利]神经网络的训练方法及装置、存储介质及电子装置-CN201910182516.5在审
发明人：季鑫 -专利权人：珠海上工医信科技有限公司
申请日： 2019-03-12 - 公布日： 2019-11-22 - 主分类号： G06N3/08 文献下载
摘要：本发明实施例涉及一种神经网络的训练方法及装置、存储介质及电子装置。其中，该方法包括：构建训练网络，训练网络包括：输入模块、处理模块和预设的输出模块；训练训练网络直至收敛，得到训练网络的参数值；基于训练网络的参数值训练神经网络直至收敛，得到输出模块的参数值。本发明解决了由于相关技术中的神经网络训练方法造成的神经网络学习效率较低的技术问题的技术问题。
训练网络输出模块收敛神经网络学习神经网络训练训练神经网络处理模块存储介质电子装置神经网络输入模块构建预设

[发明专利]一种大型神经网络并行优化训练方法-CN202110940061.6在审
发明人：戚建淮;周杰;宋晶;张莉;郑伟范;刁润 -专利权人：成都市以太节点科技有限公司
申请日： 2021-08-17 - 公布日： 2021-11-16 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种大型神经网络并行优化训练方法，所述方法包括以下步骤：步骤1，初始化大型神经网络；步骤2，对大型神经网络进行最优训练，包括对神经网络单元进行单元训练，根据识别率最高的神经网络单元的参数对其余神经网络单元进行迁移训练，对大型神经网络进行整体训练；步骤3，对大型神经网络进行最差淘汰训练，在保持大型神经网络识别率最优的前提下依次淘汰识别率低的神经网络单元。本发明通过对大型神经网络进行最优训练和淘汰训练，能够提升大型神经网络的训练速度和训练效果，同时简化大型神经网络的结构，快速训练出单元最优和整体最优的大型神经网络。
一种大型神经网络并行优化训练方法

[发明专利]一种神经网络的训练方法、存储介质和设备-CN202010540736.3在审
发明人：贾政轩;庄长辉;肖莹莹;林廷宇;曾贲;李鹤宇;田子阳 -专利权人：北京仿真中心
申请日： 2020-06-15 - 公布日： 2020-10-30 - 主分类号： G06N3/08 文献下载
摘要：本发明实施例公开一种神经网络的训练方法，构建包括参数节点及若干个训练节点的训练框架，将若干训练节点与参数节点的神经网络参数进行更新；各训练节点进行训练，每隔预设的训练步数分别向参数节点发送神经网络参数和/或神经网络累积梯度；参数节点对各训练节点的神经网络参数和/或神经网络累积梯度进行融合，并据其更新参数节点的神经网络参数和/或神经网络累积梯度；各训练节点根据参数节点发送的融合后的神经网络参数和/或神经网络累积梯度再次训练，通过预设的模型训练终止条件，参数节点输出其神经网络模型。本发明实施例提供的神经网络的训练方法，可进一步提升神经网络训练方法的训练效率及收敛模型的性能和训练精度。
一种神经网络训练方法存储介质设备

[发明专利]一种多任务模型的训练方法及装置-CN202210583424.X在审
发明人：杜敏 -专利权人：北京地平线机器人技术研发有限公司
申请日： 2022-05-25 - 公布日： 2022-08-26 - 主分类号： G06K9/62 文献下载
摘要：本公开提供一种多任务模型的训练方法及装置，基于包括类别标签的第一训练数据集，对待训练的多任务模型进行训练，基于包括特征标签的第二训练数据集，对使用第一训练数据集训练后的多任务模型进行训练，基于包括解码标签的第三训练数据集，对使用第二训练数据集训练后的多任务模型进行训练，以得到包括分类网络、解码网络以及特征提取网络的多任务模型，其中，特征提取网络是分类网络的子网络，解码网络是特征提取网络的子网络，本公开提供的训练方法，通过对待训练的多任务模型进行分层训练，以实现提升多任务模型的扩展性的同时提高对多任务模型的训练效率。
一种任务模型训练方法装置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条