公开(公告)号：CN118736294B

公开(公告)日：2025-03-14

申请号：CN202410805430.4

申请日：2024-06-21

Applicant: 中国矿业大学

Inventor： 王兰豪 ,  代伟 ,  桂夏辉 ,  丁晨 ,  胡红东 ,  张臣

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/082 ,  G06N3/096 ,  G06N3/0464

Abstract: 本发明公开了一种迁移学习与模型剪枝融合的矿石分类方法，包括如下步骤：在数据模型中获得预训练模型；根据幅值或相似性指标对预训练模型浅层部分进行重新初始化，获得部分初始化的模型；将浅层部分初始化后的模型在目标数据集上进行重新微调。本发明引入了迁移学习以解决应用深度学习模型时的矿石数据集不足的问题，为在利用模型在预训练数据集上学习得到的特征的同时，更好的学习在目标数据集上的特征；本发明使用幅值和相似性度量这两个广泛使用的指标来衡量卷积核的相似度，利用了模型剪枝的思想对模型的浅层进行部分初始化以释放冗余参数；本发明将部分初始化后的模型在锑矿数据集上进行微调，得到更加适合于矿石特征的模型。

公开(公告)号：CN118736294A

公开(公告)日：2024-10-01

申请号：CN202410805430.4

申请日：2024-06-21

Applicant: 中国矿业大学

Inventor： 王兰豪 ,  代伟 ,  桂夏辉 ,  丁晨 ,  胡红东 ,  张臣

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/082 ,  G06N3/096 ,  G06N3/0464

Abstract: 本发明公开了一种迁移学习与模型剪枝融合的矿石分类方法，包括如下步骤：在数据模型中获得预训练模型；根据幅值或相似性指标对预训练模型浅层部分进行重新初始化，获得部分初始化的模型；将浅层部分初始化后的模型在目标数据集上进行重新微调。本发明引入了迁移学习以解决应用深度学习模型时的矿石数据集不足的问题，为在利用模型在预训练数据集上学习得到的特征的同时，更好的学习在目标数据集上的特征；本发明使用幅值和相似性度量这两个广泛使用的指标来衡量卷积核的相似度，利用了模型剪枝的思想对模型的浅层进行部分初始化以释放冗余参数；本发明将部分初始化后的模型在锑矿数据集上进行微调，得到更加适合于矿石特征的模型。