[發(fā)明專利]基于子流形稀疏卷積神經(jīng)網(wǎng)絡(luò)分析空間稀疏數(shù)據(jù)在審
| 申請?zhí)枺?/td> | 201880086906.6 | 申請日: | 2018-11-16 |
| 公開(公告)號: | CN111615706A | 公開(公告)日: | 2020-09-01 |
| 發(fā)明(設(shè)計)人: | 本杰明·托馬斯·格雷厄姆;勞倫修斯·約翰妮·保羅斯·范德馬特;馬丁·赫爾穆特·恩格爾克 | 申請(專利權(quán))人: | 臉譜公司 |
| 主分類號: | G06N3/04 | 分類號: | G06N3/04;G06N3/08;G06N5/02;G06N20/10 |
| 代理公司: | 北京安信方達(dá)知識產(chǎn)權(quán)代理有限公司 11262 | 代理人: | 陸建萍;楊明釗 |
| 地址: | 美國加利*** | 國省代碼: | 暫無信息 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 流形 稀疏 卷積 神經(jīng) 網(wǎng)絡(luò)分析 空間 數(shù)據(jù) | ||
1.一種方法,包括由一個或更多個計算系統(tǒng):
訪問多個內(nèi)容對象;
分別為所述多個內(nèi)容對象生成多個體素化表示;
基于一個或更多個稀疏卷積來生成一個或更多個構(gòu)建塊,其中生成所述一個或更多個構(gòu)建塊中的每一個包括:
基于所述多個內(nèi)容對象中每一個的體素化表示,確定關(guān)于所述多個內(nèi)容對象中的每一個的一個或更多個激活位點(diǎn);以及
將所述一個或更多個稀疏卷積應(yīng)用于所述一個或更多個激活位點(diǎn);以及
基于卷積網(wǎng)絡(luò)訓(xùn)練機(jī)器學(xué)習(xí)模型,其中所述卷積網(wǎng)絡(luò)包括所述一個或更多個構(gòu)建塊。
2.根據(jù)權(quán)利要求1所述的方法,其中,所述多個內(nèi)容對象中的每一個包括包含多個點(diǎn)的三維(3D)點(diǎn)云。
3.根據(jù)權(quán)利要求2所述的方法,其中,為每個內(nèi)容對象生成所述體素化表示包括:
為所述3D點(diǎn)云確定一個或更多個體素,其中每個體素包括一個或更多個點(diǎn)。
4.根據(jù)權(quán)利要求2所述的方法,其中,所述內(nèi)容對象包括一個或更多個部件,并且其中所述多個點(diǎn)中的一個或更多個點(diǎn)與對應(yīng)于所述一個或更多個部件之一的部件標(biāo)簽相關(guān)聯(lián)。
5.根據(jù)權(quán)利要求1所述的方法,其中,所述卷積網(wǎng)絡(luò)基于三維架構(gòu)。
6.根據(jù)權(quán)利要求1所述的方法,其中,所述一個或更多個稀疏卷積中的每一個基于一個或更多個濾波器和一個或更多個步長來將所述一個或更多個激活位點(diǎn)與一個或更多個輸出相關(guān)。
7.根據(jù)權(quán)利要求1所述的方法,其中,所述卷積網(wǎng)絡(luò)包括多個層,每一層包括多個網(wǎng)絡(luò)塊。
8.根據(jù)權(quán)利要求7所述的方法,其中,訓(xùn)練所述機(jī)器學(xué)習(xí)模型包括:
從所述多個層選擇一個或更多個層;
對于每個選定層,在與該層相關(guān)聯(lián)的多個網(wǎng)絡(luò)塊中的至少兩個網(wǎng)絡(luò)塊之間插入所述一個或更多個構(gòu)建塊;以及
為每個選定層添加一個或更多個濾波器。
9.根據(jù)權(quán)利要求1所述的方法,其中,訓(xùn)練所述機(jī)器學(xué)習(xí)模型包括:
對于所述多個內(nèi)容對象中的每一個,將一個或更多個激活函數(shù)應(yīng)用于所述一個或更多個激活位點(diǎn)。
10.根據(jù)權(quán)利要求1所述的方法,其中,訓(xùn)練所述機(jī)器學(xué)習(xí)模型包括:
對于所述多個內(nèi)容對象中的每一個,將一個或更多個批歸一化應(yīng)用于所述一個或更多個激活位點(diǎn)。
11.根據(jù)權(quán)利要求1所述的方法,其中,訓(xùn)練所述機(jī)器學(xué)習(xí)模型包括:
對于所述多個內(nèi)容對象中的每一個,將一個或更多個下采樣操作應(yīng)用于所述一個或更多個激活位點(diǎn),其中每個下采樣操作包括池化或跨步卷積中的一種或更多種,并且其中每個池化包括最大池化或平均池化中的一種或更多種。
12.根據(jù)權(quán)利要求1所述的方法,其中,訓(xùn)練所述機(jī)器學(xué)習(xí)模型包括:
對于所述多個內(nèi)容對象中的每一個,將一個或更多個反卷積操作應(yīng)用于所述一個或更多個激活位點(diǎn)。
13.根據(jù)權(quán)利要求1所述的方法,其中,訓(xùn)練所述機(jī)器學(xué)習(xí)模型包括:
對于所述多個內(nèi)容對象中的每一個,將一個或更多個上采樣操作應(yīng)用于所述一個或更多個激活位點(diǎn)。
14.根據(jù)權(quán)利要求1所述的方法,其中,訓(xùn)練所述機(jī)器學(xué)習(xí)模型包括:
對于所述多個內(nèi)容對象中的每一個,將一個或更多個線性操作應(yīng)用于所述一個或更多個激活位點(diǎn)。
15.根據(jù)權(quán)利要求1所述的方法,其中,訓(xùn)練所述機(jī)器學(xué)習(xí)模型包括:
對于所述多個內(nèi)容對象中的每一個,將一個或更多個softmax操作應(yīng)用于所述一個或更多個激活位點(diǎn)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于臉譜公司,未經(jīng)臉譜公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201880086906.6/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 卷積運(yùn)算處理方法及相關(guān)產(chǎn)品
- 一種卷積神經(jīng)網(wǎng)絡(luò)的計算方法及系統(tǒng)
- 卷積運(yùn)算方法及系統(tǒng)
- 卷積運(yùn)算方法、裝置及系統(tǒng)
- 深度神經(jīng)網(wǎng)絡(luò)裁剪方法、裝置及電子設(shè)備
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法和圖像處理裝置
- 卷積神經(jīng)網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法
- 一種圖像處理方法、裝置以及計算機(jī)存儲介質(zhì)
- 用于卷積神經(jīng)網(wǎng)絡(luò)的卷積運(yùn)算裝置
- 基于FPGA實現(xiàn)圖像識別的方法、裝置、設(shè)備及存儲介質(zhì)





