买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】图像识别模型的训练、图像识别方法、装置及设备_腾讯科技(深圳)有限公司_202010657011.2 

申请/专利权人:腾讯科技(深圳)有限公司

申请日:2020-07-09

公开(公告)日:2020-10-16

公开(公告)号:CN111783898A

主分类号:G06K9/62(20060101)

分类号:G06K9/62(20060101);G06F16/27(20190101);G06N3/04(20060101);G06N3/08(20060101)

优先权:

专利状态码:有效-授权

法律状态:2021.09.14#授权;2021.03.12#实质审查的生效;2020.10.16#公开

摘要:本公开涉及一种图像识别模型的训练、图像识别方法、装置及设备。该图像识别模型的训练过程通过Frank‑Wolfe算法来自适应的动态调整权重系数,并且通过模型参数更新阶段和权重系数更新阶段的交替执行来实现图像识别模型的训练,可以提高图像识别模型训练的自动化程度以及降低权重系数的调整成本。并且通过Frank‑Wolfe算法动态调整权重系数,能够避免人为调整权重系数的不确定性的影响,可以保证权重系数不断得到优化,使得第二图像识别模型可以达到与第一图像识别模型类似的图像识别准确率,可以在实际应用中提高图像处理技术中图像识别的准确率。

主权项:1.一种图像识别模型的训练方法,其特征在于,包括:获取第一图像识别结果,所述第一图像识别结果是将图像样本集输入第一图像识别模型得到的;确定损失函数对应的当前的权重系数,所述损失函数包括第一损失函数和多个第二损失函数;模型参数更新阶段:将所述图像样本集输入当前的第二图像识别模型,得到当前的第二图像识别结果;根据所述第一损失函数和多个第二损失函数,分别确定当前的第二图像识别结果和所述图像样本集的标签信息间的第一梯度信息、以及当前的第二图像识别结果与所述第一图像识别结果间的第二梯度信息;根据当前的权重系数、第一梯度信息和第二梯度信息,更新所述第二图像识别模型的模型参数,至模型参数更新阶段的迭代次数满足模型参数迭代条件;确定模型训练次数,当模型训练次数达到训练次数阈值时,将当前的第二图像识别模型作为目标图像识别模型;当模型训练次数未达到训练次数阈值时,将所述图像样本集输入当前的第二图像识别模型,得到当前的第二图像识别结果,并进入权重系数更新阶段;权重系数更新阶段:根据所述第一损失函数和多个第二损失函数,分别确定当前的第二图像识别结果和所述图像样本集的标签信息间的第一梯度信息、以及当前的第二图像识别结果与所述第一图像识别结果间的第二梯度信息;根据当前的权重系数、第一梯度信息、第二梯度信息和Frank-Wolfe算法,更新权重系数,至权重系数更新阶段的迭代次数满足权重系数迭代条件;并在权重系数更新阶段的迭代次数满足权重系数迭代条件时,进入模型参数更新阶段。

全文数据:

权利要求:

百度查询: 腾讯科技(深圳)有限公司 图像识别模型的训练、图像识别方法、装置及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。