一种面向图像识别的自适应神经网络训练方法

发明专利有效专利

申请号：
CN202110117616.7
IPC分类号：G06K9/62;G06N3/08
申请日期：
2021-01-28
申请人：
电子科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种面向图像识别的自适应神经网络训练方法
申请号	CN202110117616.7	申请日期	2021-01-28
法律状态	授权	申报国家	中国
公开/公告日	2021-05-07	公开/公告号	CN112766399A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;8查看分类表>
申请人	电子科技大学	申请人地址	四川省成都市高新区（西区）西源大道2006号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	电子科技大学	当前权利人	电子科技大学
发明人	罗杨;刘翔;骆春波;韦仕才;王亚宁;彭涛
代理机构	成都正华专利代理事务所（普通合伙）	代理人	李蕊

摘要

本发明公开了一种面向图像识别的自适应神经网络训练方法，该方法包括获取图像数据集并进行预处理；构建卷积神经网络模型，并设定自适应损失函数；将预处理后的图像数据输入卷积神经网络模型进行前向传播，获得图像的特征向量和分类层权重；根据图像特征向量和分类层权重计算自适应损失函数，并判断卷积神经网络模型是否收敛；根据自适应损失函数对卷积神经网络模型进行反向传播，更新分类层权重；将迭代次数递增，并更新自适应损失函数。本发明相比于基于softmax的分类损失函数的训练方法减少了超参数的设置，不仅能够加快卷积神经网络模型的收敛速度，而且还能够提高图像分类识别准确率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供