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：本公开提供了基于稀疏度的图像识别模型的训练方法、装置和设备，涉及人工智能技术领域中的计算机视觉、深度学习等领域，包括：将获取的待训练图像输入至初始的训练模型中；其中，训练模型中包括多个用于处理待训练图像的图像特征图的网络层，网络层配置有参数矩阵，参数矩阵设置有稀疏度；重复以下步骤，直至达到预设的停止条件：对具有第j级稀疏度的各网络层所构成的第i个训练模型进行训练，得到训练后的第i个训练模型；根据训练后的第i个训练模型的网络层的参数矩阵，生成第i+1个训练模型的网络层；将i的取值加1，并将j的取值加1；确定符合第一预设条件的训练后的训练模型，为用于识别图像的图像识别模型。
主权项：1.一种基于稀疏度的图像识别模型的训练方法，包括：获取待训练图像，并将所述待训练图像输入至初始的训练模型中；其中，所述训练模型中包括多个用于处理所述待训练图像的图像特征图的网络层，所述网络层配置有参数矩阵，所述参数矩阵设置有稀疏度，所述稀疏度表征零值参数在参数矩阵中的比重；重复以下步骤，直至达到预设的停止条件，其中，i的初始值为1，i为正整数，j为正整数：对具有第j级稀疏度的各网络层所构成的第i个训练模型进行训练，得到训练后的第i个训练模型；调整训练后的第i个训练模型的网络层的参数矩阵中的零值参数的个数，生成第i+1个训练模型的网络层，其中，第i+1个训练模型的网络层的参数矩阵具有第j+1级稀疏度；将i的取值加1，并将j的取值加1；确定符合第一预设条件的训练后的训练模型，为用于识别图像的图像识别模型。
全文数据：
权利要求：
百度查询： 北京百度网讯科技有限公司 基于稀疏度的图像识别模型的训练方法、装置和设备
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