买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳精智达技术股份有限公司

摘要：本申请实施例公开了一种深度原型网络的训练方法、装置及存储介质，用于增强模型的泛化能力。本申请实施例方法包括：获取标记好类别的图像集，并利用图像集构建训练集、验证集和测试集；构建数据采集器，数据采集器用于生成支持集和查询集；基于深度卷积神经网络构建深度原型网络模型；通过数据采集器从训练集中生成第一支持集和第一查询集，利用第一支持集和第一查询集更新深度原型网络模型的网络权重；通过数据采集器从验证集中生成第二支持集和第二查询集，利用第二支持集和第二查询集获取分类准确度最高的深度原型网络模型；通过数据采集器从测试集中生成第三支持集和第三查询集，深度原型网络模型进行分类准确度评估。

主权项：1.一种深度原型网络的训练方法，其特征在于，包括：获取标记好类别的图像集，并利用所述图像集构建训练集、验证集和测试集，其中，所述训练集和所述验证集包括的类别一致，所述测试集中包括的类别与所述训练集包括的类别均不一致；构建数据采集器，所述数据采集器用于从所述训练集、所述验证集或所述测试集中抽取图像生成支持集和查询集，其中，每次生成的支持集中每个类别的图像数固定；在同一次抽取任务中，所述数据采集器所抽取的查询集中的每个类别的图像的数量，大于所述数据采集器所抽取的支持集中的每个类别的图像的数量；基于深度卷积神经网络构建深度原型网络模型；分批次通过所述数据采集器从所述训练集中生成第一支持集和第一查询集，并利用所述第一支持集和所述第一查询集对所述深度原型网络模型进行迭代训练，以更新所述深度原型网络模型的网络权重；分批次通过所述数据采集器从所述验证集中生成第二支持集和第二查询集，并利用所述第二支持集和所述第二查询集对迭代训练后的深度原型网络模型进行分类准确度评估，以获取分类准确度最高的深度原型网络模型；分批次通过所述数据采集器从所述测试集中生成第三支持集和第三查询集，并利用所述第三支持集和第三查询集对所述深度原型网络模型进行分类准确度评估；所述利用所述第二支持集和所述第二查询集对迭代训练后的深度原型网络模型进行分类准确度评估，以获取分类准确度最高的深度原型网络模型包括：利用所述第二支持集获取每个类别的原型；通过所述第二支持集对应的每个类别的原型预测所述第二查询集中每张图像的类别；根据预测结果更新深度原型网络模型的超参数，并计算预测结果的分类准确率；重复执行获取每个类别的原型、预测所述第二查询集中每张图像的类别和更新深度原型网络模型的超参数，并计算预测结果的分类准确率的步骤，当重复次数达到预设值时，获取分类准确度最高的深度原型网络模型。

全文数据：

权利要求：

百度查询： 深圳精智达技术股份有限公司 一种深度原型网络的训练方法、装置及存储介质