申请/专利权人：平安科技(深圳)有限公司

申请日：2019-10-17

公开（公告）日：2024-03-19

公开（公告）号：CN111008640B

主分类号：G06V10/774

分类号：G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/082

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.12.21#实质审查的生效;2020.04.14#公开

摘要：本发明提供一种图像识别模型训练方法，包括：采集多张原始图像及对应的类别作为原始数据集并划分为训练集和测试集；确定预设Resnet网络中待剪枝的层，对待剪枝的层进行剪枝；输入训练集至剪枝后的Resnet网络和其他预设的神经网络中进行训练；连接所述剪枝后的Resnet网络及其他预设的神经网络输出的特征为一维向量并输入softmax分类器中计算得到损失值，在损失值小于或等于预设损失阈值时，输出图像识别模型；使用测试集进行测试；当测试通过率大于预设通过率阈值时，输出训练得到的图像识别模型。本发明还提供一种图像识别模型训练方法、图像识别方法、图像识别模型训练装置、终端及介质。本发明能够缩短训练图像识别模型的时间，提高图像的识别率。

主权项：1.一种图像识别模型训练方法，其特征在于，所述方法包括：采集原始数据集，其中，所述原始数据集包括多张原始图像及对应的类别；将所述原始数据集划分为训练集和测试集；确定预设Resnet网络中待剪枝的层，包括：将所述训练集作为第一特征图输入至所述预设Resnet网络中的残差块并获取所述残差块的最后一层输出的第一结果，对所述第一特征图进行降采样，将降采样后的第一特征图与所述残差块的第一层输出的第二特征图进行累加输入至最后一层，获取所述最后一层的第二结果，计算所述第一结果与所述第二结果的最小二乘，判断所述最小二乘是否小于预设阈值，当所述最小二乘小于或等于所述预设阈值时，确定所述残差块为待剪枝的层，当所述最小二乘大于所述预设阈值时，确定所述残差块不为待剪枝的层；对所述待剪枝的层进行剪枝，包括：预先定义一个二进制掩模，其中，所述二进制掩模中的值与最后一层残差块对应的权重相同，对于每个所述待剪枝的层，将前向传播时每层的权重按绝对值大小排序，并将绝对值小于预设阈值的权重对应的掩模设为0，将后向传播时每层对应前向传播掩模为0的位置的掩模设置为0；输入所述训练集至剪枝后的Resnet网络和其他预设的神经网络中进行训练；连接所述剪枝后的Resnet网络及其他预设的神经网络输出的特征为一维向量；将所述一维向量输入softmax分类器中计算得到损失值；当所述损失值小于或等于预设损失阈值时，输出图像识别模型；将所述测试集输入所述图像识别模型中得到测试通过率；当所述测试通过率大于预设通过率阈值时，输出与所述测试通过率阈值对应的图像识别模型作为训练得到的图像识别模型。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 图像识别模型训练及图像识别方法、装置、终端及介质

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