目标识别模型训练方法、装置、设备以及存储介质

发明专利有效专利

申请号：
CN202010328703.2
IPC分类号：G06K9/00;G06K9/62;G06N3/04;G06N3/08
申请日期：
2020-04-23
申请人：
北京百度网讯科技有限公司

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	目标识别模型训练方法、装置、设备以及存储介质
申请号	CN202010328703.2	申请日期	2020-04-23
法律状态	实质审查	申报国家	中国
公开/公告日	2020-09-04	公开/公告号	CN111626119A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? 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〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	北京百度网讯科技有限公司	申请人地址	北京市海淀区上地十街10号百度大厦2层变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京百度网讯科技有限公司	当前权利人	北京百度网讯科技有限公司
发明人	余席宇;张刚;韩钧宇
代理机构	北京英赛嘉华知识产权代理有限责任公司	代理人	王达佐;马晓亚

摘要

本申请实施例公开了目标识别模型训练方法、装置、设备以及存储介质，涉及人工智能技术领域。该方法的一具体实施方式包括：获取训练样本集，其中，训练样本集中的训练样本包括样本目标图像和样本目标特征；基于训练样本集中的训练样本之间的样本目标特征关系，构建有符号邻接矩阵；构建深度模型，以及基于有符号邻接矩阵构建图卷积神经网络；利用训练样本集对深度模型和图卷积神经网络进行有监督训练，得到目标识别模型。该实施方式提供了一种基于图卷积的目标识别技术，利用图卷积方法对特征空间进行优化，能够更有效地使类间距离增大而类内距离减小，从而显著提升了目标识别模型的性能。

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