申请/专利权人：华南理工大学

申请日：2022-05-12

公开（公告）日：2022-09-20

公开（公告）号：CN115082955A

主分类号：G06V40/10

分类号：G06V40/10;G06V10/764;G06V10/774;G06V20/40

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.10.11#实质审查的生效;2022.09.20#公开

摘要：本发明公开了一种深度学习全局优化方法、识别方法、装置及介质，其中优化方法包括：获取训练数据集；获取用于深度学习的训练批次，并更新特征向量；根据更新后的记忆集特征向量、未更新的记忆集标签来更新记忆集标签；筛选记忆集中对模型优化最重要的k个样本；根据当前批次的特征向量与对应的标签、筛选出的记忆集中对模型优化最重要的样本与对应的标签。本发明通过进行全局优化可以保证深度模型训练时得到最大限度的样本多样性，为模型的性能提升提供条件；另外，对样本特征进行筛选，大大地减少了训练所需的硬件资源和时间资源。本发明可广泛应用于人工智能领域。

主权项：1.一种深度学习全局优化方法，其特征在于，包括以下步骤：获取训练数据集其中，xi是训练图像，yi是对应的标签，i是这对数据的索引，N为训练集样本总数量；将训练数据集导入深度模型fx，对于训练图像xi，模型输出特征向量为fi＝fxi；预设记忆集用于储存训练集Train中xi经深度模型fx输出的特征向量fi；获取用于深度学习的训练批次，每一个批次由b个训练集Train中的样本组成，表示为Batch＝xi，yi|i∈B，B为训练集Train中b个样本的索引的集合；对于每个批次模型Batch，深度模型fx的输出为fi＝fxi|i∈B；对于训练图像xi在记忆集中的特征向量fim，根据该向量之前的特征向量与该批次输出的特征向量fi来更新；设更新特征的函数为UP_f，则更新过程表示为其中表示更新之前的fim；根据更新后的记忆集特征向量未更新的记忆集标签来更新记忆集标签设更新标签的函数为UP_y，则更新过程表示为其中表示更新之前的根据当前批次内的特征向量fi|i∈B与记忆集中的特征向量对于每个特征向量fi|i∈B，筛选出记忆集中对模型优化最重要的k个样本其中Ki表示关于fi最重要的k个样本的索引；根据当前批次的特征向量fi|i∈B与对应的标签yi|i∈B、筛选出的记忆集中对模型优化最重要的样本与对应的标签对深度模型fx的参数进行优化学习。

全文数据：

权利要求：

百度查询： 华南理工大学 一种深度学习全局优化方法、识别方法、装置及介质

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