龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：北京百度网讯科技有限公司
摘要：本申请公开了一种分类网络训练方法、分类方法、装置以及电子设备等，涉及深度学习、计算机视觉等人工智能技术领域。实现方案为：获取第一训练集；基于第一训练集对初始分类网络进行训练，得到目标分类网络；其中，初始分类网络包括第一残差网络，第一残差网络包括第一卷积层、N个中间特征提取层和第二卷积层，N为整数。即待训练的初始分类网络不但包括第一残差网络，第一残差网络中包括第一卷积层和第二卷积层外，在第一卷积层和第二卷积层之间还添加了N个中间特征提取层，通过中间特征提取层可对第一卷积层的卷积输出结果可进行进一步的特征提取，然后将得到的结果输入至第二卷积层再进行处理。如此，可提高目标分类网络的表达能力。
主权项：1.一种分类网络训练方法，所述方法包括：获取第一训练集，所述第一训练集包括多个训练对象或多个训练对象的第一特征，其中，所述训练对象为训练图像；基于所述第一训练集对初始分类网络进行训练，得到目标分类网络；其中，所述初始分类网络包括第一残差网络，所述第一残差网络包括第一卷积层、N个中间特征提取层和第二卷积层，N为整数；所述第一卷积层的输出包括M个第一子卷积结果，第i个中间特征提取层的输入包括第i+1个第一子卷积结果和第i-1个中间特征提取层的一部分输出结果，i为整数，且2≤i≤N，第1个中间特征提取层的输入包括第2个第一子卷积结果，所述第二卷积层的输入包括第1个第一子卷积结果、N-1个中间特征提取层的另一部分输出结果和第N个中间特征提取层的输出结果，所述第一残差网络的输出为所述第二卷积层的输出与所述第一卷积层的输入之和。
全文数据：
权利要求：
百度查询： 北京百度网讯科技有限公司 一种分类网络训练方法、分类方法、装置以及电子设备
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号