申请/专利权人:西北工业大学
申请日:2024-03-07
公开(公告)日:2024-06-07
公开(公告)号:CN118154952A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/774;G06V10/82;G06N3/0464
优先权:
专利状态码:在审-公开
法律状态:2024.06.07#公开
摘要:本发明公开了一种基于数据分析的神经网络关键参数微调方法,属于数字图像处理中的目标检测领域,该方法采用不同背景的红外小目标图像子集构成的混合数据集,对神经网络模型进行训练,得到第一预训练神经网络模型;然后对第一预训练神经网络模型的除最后一层的网络参数以外的参数全部冻结,再采用不同背景参数对冻结参数的网络模型再次进行训练,然后根据两次训练的神经网络模型的权重参数的差异,确定对目标检测结果影响较大的关键参数,将该关键参数作为网络参数,该方法基于数据分析的方法能够有效捕捉不同场景下的特征变化,进一步地通过微调关键参数,实现利用少量样本得到更适应不同场景且目标检测准确率更高的模型。
主权项:1.一种基于数据分析的神经网络关键参数微调方法,其特征在于,包括以下步骤:步骤1、采用不同背景的红外小目标图像子集构成的混合数据集,对神经网络模型进行训练,得到第一预训练神经网络模型;步骤2、冻结第一预训练神经网络模型中的全部参数,并解冻最后一层卷积层的参数,采用各红外小目标图像子集分别训练冻结参数后的第一预训练神经网络模型,得到多个第二预训练神经网络模型;步骤3、分别确定第一预训练神经网络模型与多个第二预训练神经网络模型的最后一层卷积层的权重参数的差值,根据权重参数的差值确定神经网络模型的关键参数,将关键参数作为神经网络模型的网络参数。
全文数据:
权利要求:
百度查询: 西北工业大学 一种基于数据分析的神经网络关键参数微调方法
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。