[发明专利]一种神经网络的训练方法、物体识别方法及装置在审
申请号: | 201810231307.0 | 申请日: | 2018-03-20 |
公开(公告)号: | CN108416440A | 公开(公告)日: | 2018-08-17 |
发明(设计)人: | 恽为民;任翰驰;夏晓斌;庞作伟 | 申请(专利权)人: | 上海未来伙伴机器人有限公司 |
主分类号: | G06N3/08 | 分类号: | G06N3/08;G06K9/62 |
代理公司: | 北京品源专利代理有限公司 11332 | 代理人: | 孟金喆 |
地址: | 200233 上海市*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明实施例公开了一种神经网络的训练方法、物体识别方法及装置。其中神经网络的训练方法包括建立初始神经网络模型,其中,所述初始神经网络模型为超轻量级网络SqueezeNet模型;获取训练样本,并对所述训练样本进行预处理;将预处理得到的训练样本输入至初始神经网络模型,并确定根据所述初始神经网络模型的第一输出与预设期望的损失值;根据所述损失值调节所述初始神经网络模型的网络参数,生成目标神经网络模型。建立了参数少、占用内存小的高精度目标神经网络,使得训练得到的目标神经网络模型可应用于移动终端,不在依赖于GPU的设置,提高了目标神经网络模型的适应性。 | ||
搜索关键词: | 神经网络模型 目标神经 神经网络 网络模型 训练样本 预处理 物体识别 轻量级网络 网络参数 移动终端 预设 内存 占用 输出 期望 应用 网络 | ||
【主权项】:
1.一种神经网络的训练方法,其特征在于,包括:建立初始神经网络模型,其中,所述初始神经网络模型为超轻量级网络SqueezeNet模型;获取训练样本,并对所述训练样本进行预处理;将预处理得到的训练样本输入至初始神经网络模型,并确定根据所述初始神经网络模型的第一输出与预设期望的损失值;根据所述损失值调节所述初始神经网络模型的网络参数,生成目标神经网络模型。
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上海未来伙伴机器人有限公司,未经上海未来伙伴机器人有限公司许可,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/201810231307.0/,转载请声明来源钻瓜专利网。