[發(fā)明專利]模型生成方法、裝置、設備和可讀存儲介質有效
| 申請?zhí)枺?/td> | 202010866710.8 | 申請日: | 2020-08-26 |
| 公開(公告)號: | CN111738270B | 公開(公告)日: | 2020-11-13 |
| 發(fā)明(設計)人: | 秦勇;李兵 | 申請(專利權)人: | 北京易真學思教育科技有限公司 |
| 主分類號: | G06K9/34 | 分類號: | G06K9/34;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 北京市鑄成律師事務所 11313 | 代理人: | 閻敏;郭麗祥 |
| 地址: | 100144 北京市石景山區(qū)*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 模型 生成 方法 裝置 設備 可讀 存儲 介質 | ||
1.一種模型生成方法,其特征在于,包括:
獲取多組圖像對和所述圖像對的標簽,所述標簽用于表示所述圖像對中的兩個圖像是否相似;
對所述圖像對進行預設目標區(qū)域的剪切,得到區(qū)域圖像對;
對所述圖像對進行預設采樣倍數(shù)的降采樣,得到降采樣圖像對;
獲取待訓練神經(jīng)網(wǎng)絡,其中,所述待訓練神經(jīng)網(wǎng)絡包括特征網(wǎng)絡和分類網(wǎng)絡,所述特征網(wǎng)絡包括四個分支,四個所述分支的權重不相同,每個所述分支包括多個串聯(lián)連接的基本塊和第一全連接層,所述基本塊的輸出均連接所述第一全連接層,所述第一全連接層的輸出連接所述分類網(wǎng)絡;
將所述區(qū)域圖像對和所述降采樣圖像對對應輸入所述特征網(wǎng)絡的四個分支中,以訓練所述待訓練神經(jīng)網(wǎng)絡,得到圖像相似度判定模型。
2.根據(jù)權利要求1所述的方法,其特征在于,所述目標區(qū)域為中心區(qū)域。
3.根據(jù)權利要求1所述的方法,其特征在于,所述區(qū)域圖像對和所述降采樣圖像對的圖像尺寸相同。
4.根據(jù)權利要求1所述的方法,其特征在于,所述基本塊包括卷積層、批量歸一化層和激活函數(shù)層,所述卷積層、所述批量歸一化層和所述激活函數(shù)層交替分布。
5.根據(jù)權利要求1所述的方法,其特征在于,其中,
在同一所述分支中,依據(jù)最后一個所述基本塊輸出的第一特征向量的大小,對其余所述基本塊輸出的第一特征向量進行降采樣處理,得到降采樣處理后的第二特征向量;
將最后一個所述基本塊的第一特征向量和其余所述基本塊的第二特征向量,輸入至所述第一全連接層。
6.根據(jù)權利要求1所述的方法,其特征在于,所述分類網(wǎng)絡包括依次連接的第二全連接層和歸一化層。
7.根據(jù)權利要求1所述的方法,其特征在于,所述將所述區(qū)域圖像對和所述降采樣圖像對對應輸入所述特征網(wǎng)絡的四個分支中,訓練所述待訓練神經(jīng)網(wǎng)絡,包括:
將所述區(qū)域圖像對和所述降采樣圖像對應輸入所述特征網(wǎng)絡的四個分支中,得到所述分類網(wǎng)絡的相似度結果;
根據(jù)所述相似度結果、所述圖像對的標簽、損失函數(shù)和梯度反向傳播算法,對所述待訓練神經(jīng)網(wǎng)絡的參數(shù)進行優(yōu)化,以訓練所述待訓練神經(jīng)網(wǎng)絡。
8.根據(jù)權利要求1-7任一項所述的方法,其特征在于,還包括:
獲取待預測圖像對;
對所述待預測圖像對進行預設目標區(qū)域的剪切,得到待預測區(qū)域圖像對;
對所述待預測圖像對進行預設采樣倍數(shù)的降采樣,得到待預測降采樣圖像對;
將所述待預測區(qū)域圖像對和所述待預測降采樣圖像對輸入至所述圖像相似度判定模型,得到所述圖像相似判定模型輸出的相似度結果。
9.一種模型生成裝置,其特征在于,包括:
訓練圖像獲取模塊,用于獲取多組圖像對和所述圖像對的標簽,所述標簽用于表示所述圖像對中的兩個圖像是否相似;
訓練圖像剪切模塊,用于對所述圖像對進行預設目標區(qū)域的剪切,得到區(qū)域圖像對;
訓練圖像降采樣模塊,用于對所述圖像對進行預設采樣倍數(shù)的降采樣,得到降采樣圖像對;
模型獲取模塊,用于獲取待訓練神經(jīng)網(wǎng)絡,其中,所述待訓練神經(jīng)網(wǎng)絡包括特征網(wǎng)絡和分類網(wǎng)絡,所述特征網(wǎng)絡包括四個分支,四個所述分支的權重不相同,每個所述分支包括多個串聯(lián)連接的基本塊和第一全連接層,所述基本塊的輸出均連接所述第一全連接層,所述第一全連接層的輸出連接所述分類網(wǎng)絡;
訓練模塊,用于將所述區(qū)域圖像對和所述降采樣圖像對對應輸入所述特征網(wǎng)絡的四個分支中,以訓練所述待訓練神經(jīng)網(wǎng)絡,得到圖像相似度判定模型。
10.根據(jù)權利要求9所述的裝置,其特征在于,所述目標區(qū)域為中心區(qū)域。
11.根據(jù)權利要求9所述的裝置,其特征在于,所述區(qū)域圖像對和所述降采樣圖像對的圖像尺寸相同。
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北京易真學思教育科技有限公司,未經(jīng)北京易真學思教育科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010866710.8/1.html,轉載請聲明來源鉆瓜專利網(wǎng)。
- 上一篇:氨基吡啶類化合物的合成方法
- 下一篇:一種電線電纜耐磨性能檢測裝置及檢測方法





