[發明專利]一種卷積神經網絡的訓練方法及裝置在審
| 申請號： | 201911023899.8 | 申請日： | 2019-10-25 |
| 公開（公告）號： | CN110782032A | 公開（公告）日： | 2020-02-11 |
| 發明（設計）人： | 王子寧 | 申請（專利權）人： | 廣州思德醫療科技有限公司 |
| 主分類號： | G06N3/08 | 分類號： | G06N3/08;G06N3/04 |
| 代理公司： | 11002 北京路浩知識產權代理有限公司 | 代理人： | 陳玉婷 |
| 地址： | 510515 廣東省廣州*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 卷積神經網絡 瘦身 分類類別 新特征 訓練樣本數據 樣本數據 卷積核 標注 存儲空間 可存儲 目標卷 保留 卷積 核對 | ||
1.一種卷積神經網絡的訓練方法，其特征在于，包括：
根據預訓練樣本數據和原始卷積神經網絡，確定瘦身卷積神經網絡；所述瘦身卷積神經網絡是保留全部目標卷積核、且保留可存儲新卷積核的存儲空間的卷積神經網絡；其中，所述目標卷積核是利用KernelRetrace方法得到的、權重值大于預設值的卷積核、所述新卷積核是新增的所述目標卷積核、且具有新特征；
輸入訓練樣本數據至所述瘦身卷積神經網絡，若識別出所述新卷積核，則確定與所述新卷積核對應的新特征分類類別；
根據所述新特征分類類別標注對應的樣本數據，并訓練所述瘦身卷積神經網絡。
2.根據權利要求1所述的卷積神經網絡的訓練方法，其特征在于，所述若識別出所述新卷積核，則確定與所述新卷積核對應的新特征分類類別，包括：
若識別出所述新卷積核，則輸入所述新卷積核至所述瘦身卷積神經網絡的分類器，并將所述分類器針對所述新卷積核的輸出結果作為所述新特征分類類別；其中，所述分類器可識別未知分類類別。
3.根據權利要求2所述的卷積神經網絡的訓練方法，其特征在于，預先構建預存儲所述新卷積核的卷積核庫；相應的，在所述輸入訓練樣本數據至所述瘦身卷積神經網絡的步驟之后，所述新卷積核的確定，包括：
利用KernelRetrace方法確定待確定新卷積核；其中，所述待確定新卷積核為新增的所述目標卷積核；
若所述待確定新卷積核不在所述卷積核庫，則確定所述待確定新卷積核為所述新卷積核。
4.根據權利要求3所述的卷積神經網絡的訓練方法，其特征在于，所述卷積神經網絡的訓練方法，還包括：
根據所述新特征分類類別對應的新卷積核，更新所述卷積核庫。
5.根據權利要求3所述的卷積神經網絡的訓練方法，其特征在于，所述卷積神經網絡的訓練方法，還包括：
將首次利用所述Kernel Retrace方法得到的所有目標卷積核作為初始化的卷積核庫。
6.根據權利要求2至5任一所述的卷積神經網絡的訓練方法，其特征在于，所述分類器為openmax。
7.一種卷積神經網絡的訓練裝置，其特征在于，包括：
確定單元，用于根據預訓練樣本數據和原始卷積神經網絡，確定瘦身卷積神經網絡；所述瘦身卷積神經網絡是保留全部目標卷積核、且保留可存儲新卷積核的存儲空間的卷積神經網絡；其中，所述目標卷積核是利用Kernel Retrace方法得到的、權重值大于預設值的卷積核、所述新卷積核是新增的所述目標卷積核、且具有新特征；
識別單元，用于輸入訓練樣本數據至所述瘦身卷積神經網絡，若識別出所述新卷積核，則確定與所述新卷積核對應的新特征分類類別；
訓練單元，用于根據所述新特征分類類別標注對應的樣本數據，并訓練所述瘦身卷積神經網絡。
8.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至6任一項所述方法的步驟。
9.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述方法的步驟。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣州思德醫療科技有限公司，未經廣州思德醫療科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/201911023899.8/1.html，轉載請聲明來源鉆瓜專利網。
