申请/专利权人:杭州阿里云飞天信息技术有限公司
申请日:2023-12-29
公开(公告)日:2024-05-03
公开(公告)号:CN117975189A
主分类号:G06V10/774
分类号:G06V10/774;G06V10/84;G06V10/82
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.21#实质审查的生效;2024.05.03#公开
摘要:本申请实施例提供了一种模型训练方法、图像处理方法、交通管控方法及设备,模型训练方法包括:获取待训练的神经网络模型,所述神经网络模型包括至少一个线性层;确定与所述神经网络模型相对应的重参数化模块,重参数化模块为用于实现提取特征操作的多分支结构;利用所述重参数化模块替换所述神经网络模型中的任意一个线性层,获得替换后网络模型;基于所述替换后网络模型进行模型训练操作,获得用于实现预设训练任务的目标网络模型。本实施例中,由于重参数化模块为用于实现提取特征操作的多分支结构,有效地增加了模型训练操作过程中的模型训练数据量,并且由于模型的拟合能力与模型训练的数据量呈正相关,进而也提升了线性层的拟合能力。
主权项:1.一种模型训练方法,其特征在于,包括:获取待训练的神经网络模型,所述神经网络模型包括至少一个线性层;确定与所述神经网络模型相对应的重参数化模块,其中,所述重参数化模块为用于实现提取特征操作的多分支结构;利用所述重参数化模块替换所述神经网络模型中的任意一个线性层,获得替换后网络模型;基于所述替换后网络模型进行模型训练操作,获得用于实现预设训练任务的目标网络模型。
全文数据:
权利要求:
百度查询: 杭州阿里云飞天信息技术有限公司 模型训练方法、图像处理方法、交通管控方法及设备
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。