申请/专利权人：百度(美国)有限责任公司

申请日：2020-06-09

公开（公告）日：2021-04-13

公开（公告）号：CN112651420A

主分类号：G06K9/62(20060101)

分类号：G06K9/62(20060101);G06N3/04(20060101)

优先权：["20191011 US 16/600,148"]

专利状态码：在审-实质审查的生效

法律状态：2021.04.30#实质审查的生效;2021.04.13#公开

摘要：本申请公开了用于训练图像分类模型的计算机实现的方法、用于训练图像分类模型的系统以及用于对图像进行分类的计算机实现的方法。在一个或多个实施例中，紧凑的深度学习模型包括更少的层，这需要更少的浮点运算FLOP。本文还提供了新的学习率函数的实施例，其可以在两个线性函数之间自适应地改变学习率。在一个或多个实施例中，在训练过程中，半精度浮点格式训练与更大批量大小的组合也可用于帮助训练过程。

主权项：1.一种用于训练图像分类模型的计算机实现的方法，所述方法包括：形成一个或多个批次，所述一个或多个批次包括图像及与所述图像对应的标签，所述图像及与所述图像对应的标签选自一个或多个训练数据集，其中，每个图像具有对应的标签；对于每个训练循环重复一组步骤，直到达到停止条件为止，所述一组步骤包括：将批次输入到所述图像分类模型中，所述图像分类模型包括：卷积模块，包括具有一组滤波器的卷积、批次归一化操作和激活操作；第一残差模块，包括由最大池化层分开的至少两个卷积模块，其中，每个卷积模块具有其自己的滤波器组；第二残差模块，包括由最大池化层分开的至少两个卷积模块，其中，每个卷积模块具有其自己的滤波器组；以及全连接层，接收从所述第二残差模块的输出获得的输入；在给出所述批次的预测输出的情况下，确定所述图像分类模型的损失；以及利用所述损失更新所述图像分类模型的一个或多个参数。

全文数据：

权利要求：

百度查询： 百度(美国)有限责任公司 训练图像分类模型的系统及方法和对图像进行分类的方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD