[發明專利]深度學習網絡的訓練方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202010146486.5
• 申請日: 2020-03-05
• 公開（公告）號: CN111325281B
• 公開（公告）日: 2023-10-27
• 發明（設計）人: 劉旭;楊龍;彭端;趙凌云
• 申請（專利權）人: 新希望六和股份有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/77;G06V10/764;G06V10/26;G06V10/82;G06N3/08
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 盧曉霞

1.一種深度學習網絡的訓練方法，包括：

加載訓練圖像和標記圖像；所述標記圖像為對所述訓練圖像中的特征物進行標記后得到的；

按照預先設定的塊尺寸，對所述訓練圖像進行塊分割，得到多個圖像塊；

在對所述多個圖像塊進行特征提取處理之后，對處理后的多個圖像塊和所述標記圖像進行映射處理；

對映射處理后的圖像塊和標記圖像進行參數調整學習，得到所述深度學習網絡的參數。

2.根據權利要求1所述的方法，其特征在于，當所述訓練圖像為多張時，各張訓練圖像對應不同的圖像塊集合，各個圖像塊集合包括的圖像塊個數相同。

3.根據權利要求1所述的方法，其特征在于，所述按照預先設定的塊尺寸，對所述訓練圖像進行塊分割，得到多個圖像塊的步驟，包括：

獲取預設的滑動步長和所述塊尺寸；

按照所述滑動步長和所述塊尺寸，對所述訓練圖像進行滑動分割處理，得到多個圖像塊。

4.根據權利要求3所述的方法，其特征在于，當所述訓練圖像為多張時，各張訓練圖像對應不同的圖像塊集合，各個圖像塊集合中的圖像塊進行拼接后得到的拼接尺寸和分割前的訓練圖像的尺寸相同。

5.根據權利要求1所述的方法，其特征在于，在所述加載訓練圖像之前，還包括：

獲取多張訓練圖像；

利用shuffle模塊對多張訓練圖像進行隨機排序處理；

對隨機排序處理后的訓練圖像進行批次分類，得到多批訓練圖像；

分批次加載訓練圖像進行訓練。

6.根據權利要求5所述的方法，其特征在于，還包括：

若加載完各個批次的訓練圖像進行訓練后，確定完成一輪訓練；

利用shuffle模塊對所述多張訓練圖像的索引進行隨機排序處理，進行下一輪訓練。

7.根據權利要求6所述的方法，其特征在于，在所述確定完成一輪訓練的步驟之后，還包括：

更新訓練輪數；

若所述訓練輪數未達到預設輪數，則利用shuffle模塊對多張訓練圖像的索引進行隨機排序處理，進行下一輪訓練。

8.一種深度學習網絡的訓練裝置，包括：

圖像加載模塊，用于加載訓練圖像和標記圖像；所述標記圖像為對所述訓練圖像中的特征進行標記后得到的；

塊分割模塊，用于按照預先設定的分割尺寸，對所述訓練圖像進行塊分割，得到多個圖像塊；

映射處理模塊，用于在對所述多個圖像塊進行特征提取處理之后，對處理后的多個圖像塊和所述標記圖像進行映射處理；

參數調整學習模塊，用于對映射處理后的圖像塊和標記圖像進行參數調整學習，得到所述深度學習網絡的參數。

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述方法的步驟。

10.一種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權利要求1至7中任一項所述的方法的步驟。