神经网络模型的训练方法、装置、设备及可读存储介质

    公开(公告)号:CN111368989A

    公开(公告)日:2020-07-03

    申请号:CN201811592198.1

    申请日:2018-12-25

    IPC分类号: G06N3/08 G06K9/62

    摘要: 本发明公开一种神经网络模型的训练方法、装置、设备及可读存储介质。该方法包括:获取图像训练数据集;根据图像训练数据集,创建小批量样本集;获取小批量样本集的特征集合;依次以小批量样本集中的每一个待训练图像作为锚点,分别为每个锚点在特征集合中确定其对应的难正例的特征与难负例的特征;根据每一个锚点的特征及其对应的难正例的特征与难负例的特征,确定小批量样本集的三元组损失;根据小批量样本集的三元组损失,训练神经网络模型;以及当小批量样本集的三元组损失的曲线收敛到预期状态时,确定当前的神经网络模型为训练完成后的神经网络模型。该方法能够提高网络收敛速度、泛化能力及算法性能。

    神经网络模型的训练方法、装置、设备及可读存储介质

    公开(公告)号:CN111368989B

    公开(公告)日:2023-06-16

    申请号:CN201811592198.1

    申请日:2018-12-25

    IPC分类号: G06N3/084 G06V10/774

    摘要: 本发明公开一种神经网络模型的训练方法、装置、设备及可读存储介质。该方法包括:获取图像训练数据集;根据图像训练数据集,创建小批量样本集;获取小批量样本集的特征集合;依次以小批量样本集中的每一个待训练图像作为锚点,分别为每个锚点在特征集合中确定其对应的难正例的特征与难负例的特征;根据每一个锚点的特征及其对应的难正例的特征与难负例的特征,确定小批量样本集的三元组损失;根据小批量样本集的三元组损失,训练神经网络模型;以及当小批量样本集的三元组损失的曲线收敛到预期状态时,确定当前的神经网络模型为训练完成后的神经网络模型。该方法能够提高网络收敛速度、泛化能力及算法性能。

    货物图像局部区域处理方法、装置、设备及存储介质

    公开(公告)号:CN113837172A

    公开(公告)日:2021-12-24

    申请号:CN202010512064.5

    申请日:2020-06-08

    IPC分类号: G06K9/32 G06K9/62 G06N3/04

    摘要: 本公开提供一种货物图像局部区域处理方法、装置、设备及存储介质,涉及图像处理技术领域。该方法包括:获取训练图像和标签;通过特征提取网络对从所述训练图像中提取的特征进行注意力增强处理获得注意力增强特征图;将所述注意力增强特征图通过区域建议网络进行处理获得区域建议图;基于所述注意力增强特征图和所述区域建议图通过区域分类网络获得区域分类图;基于所述区域分类图和所述标签获得损失函数;以及根据所述损失函数训练所述特征提取网络、所述区域建议网络和所述区域分类网络以处理货物图像局部区域。该方法一定程度上提高了提取货物图像局部区域的准确性。