[發(fā)明專(zhuān)利]模型訓(xùn)練方法、預(yù)測(cè)方法、裝置、重識(shí)別模型及電子設(shè)備在審
| 申請(qǐng)?zhí)枺?/td> | 202110386171.2 | 申請(qǐng)日: | 2021-04-12 |
| 公開(kāi)(公告)號(hào): | CN112801235A | 公開(kāi)(公告)日: | 2021-05-14 |
| 發(fā)明(設(shè)計(jì))人: | 陳媛媛;宋麗萍;周欣 | 申請(qǐng)(專(zhuān)利權(quán))人: | 四川大學(xué) |
| 主分類(lèi)號(hào): | G06K9/62 | 分類(lèi)號(hào): | G06K9/62;G06K9/00 |
| 代理公司: | 北京超凡宏宇專(zhuān)利代理事務(wù)所(特殊普通合伙) 11463 | 代理人: | 衡滔 |
| 地址: | 610064 四川*** | 國(guó)省代碼: | 四川;51 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 模型 訓(xùn)練 方法 預(yù)測(cè) 裝置 識(shí)別 電子設(shè)備 | ||
1.一種模型訓(xùn)練方法,其特征在于,包括:
獲取訓(xùn)練樣本數(shù)據(jù);其中,所述訓(xùn)練樣本數(shù)據(jù)包括多個(gè)車(chē)輛的多張樣本圖像;同一車(chē)輛的樣本圖像所標(biāo)記的類(lèi)別相同;
將所述訓(xùn)練樣本數(shù)據(jù)輸入至初始模型中,得到全局特征的類(lèi)別預(yù)測(cè)數(shù)值、局部特征的類(lèi)別預(yù)測(cè)數(shù)值以及全局特征向量;其中,所述局部特征為經(jīng)所述初始模型得到的特征圖的部分區(qū)域的特征;
基于所述全局特征的類(lèi)別預(yù)測(cè)數(shù)值計(jì)算第一損失值,基于所述局部特征的類(lèi)別預(yù)測(cè)數(shù)值計(jì)算第二損失值,以及基于所述全局特征向量計(jì)算第三損失值;
基于所述第一損失值、所述第二損失值以及所述第三損失值對(duì)所述初始模型的模型參數(shù)進(jìn)行優(yōu)化,得到重識(shí)別模型。
2.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法,其特征在于,所述局部特征的類(lèi)別預(yù)測(cè)數(shù)值包括經(jīng)所述初始模型得到的特征圖的上半部分特征的類(lèi)別預(yù)測(cè)數(shù)值,以及所述特征圖的下半部分特征的類(lèi)別預(yù)測(cè)數(shù)值;
相應(yīng)的,所述基于所述局部特征的類(lèi)別預(yù)測(cè)數(shù)值計(jì)算第二損失值,包括:
基于所述上半部分特征的類(lèi)別預(yù)測(cè)數(shù)值計(jì)算第一子損失值,以及基于所述下半部分特征的類(lèi)別預(yù)測(cè)數(shù)值計(jì)算第二子損失值;其中,所述第二損失值包括所述第一子損失值以及所述第二子損失值。
3.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法,其特征在于,所述第一損失值的以及所述第二損失值的計(jì)算公式為:
;
其中,表示損失值;表示類(lèi)別數(shù)量;c表示一種類(lèi)別;表示類(lèi)別預(yù)測(cè)數(shù)值,其數(shù)值表征預(yù)測(cè)為類(lèi)別c的概率;表示指示變量,當(dāng)輸入的樣本圖像為類(lèi)別c時(shí),=1;反之,=0。
4.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法,其特征在于,所述第三損失值的計(jì)算公式為:
;
其中,表示損失值;+表示當(dāng)?shù)闹荡笥?時(shí),的數(shù)值為的數(shù)值的和,當(dāng)?shù)闹敌∮?時(shí),的值為0;表示樣本圖像與樣本圖像輸出的全局特征向量的距離;表示所述樣本圖像與樣本圖像輸出的全局特征向量的距離;為函數(shù)間隔值。
5.一種重識(shí)別模型,其特征在于,包括:
多個(gè)瓶頸層,所述多個(gè)瓶頸層依次連接;其中,所述多個(gè)瓶頸中的第一個(gè)瓶頸層用于接收訓(xùn)練樣本數(shù)據(jù),所述多個(gè)瓶頸層中的最后一個(gè)瓶頸層用于輸出與所述訓(xùn)練樣本數(shù)據(jù)對(duì)應(yīng)的特征圖;
全局分支層;與所述多個(gè)瓶頸層中的最后一個(gè)瓶頸層連接,所述全局分支層用于對(duì)所述特征圖進(jìn)行全局池化;并基于所述特征圖所得到的全局特征的類(lèi)別預(yù)測(cè)數(shù)值以及全局特征向量對(duì)模型進(jìn)行監(jiān)督訓(xùn)練;
局部分支層;與所述多個(gè)瓶頸層中的最后一個(gè)瓶頸層連接,所述局部分支層用于對(duì)所述特征圖中的部分區(qū)域進(jìn)行全局池化;并基于所述特征圖的部分區(qū)域所得到的局部特征的類(lèi)別預(yù)測(cè)數(shù)值對(duì)模型進(jìn)行監(jiān)督訓(xùn)練。
6.根據(jù)權(quán)利要求5所述的重識(shí)別模型,其特征在于,所述重識(shí)別模型還包括:多個(gè)注意力機(jī)制模塊;所述注意力機(jī)制模塊的數(shù)量與所述瓶頸層的數(shù)量相同;在每個(gè)瓶頸層之后均接入一個(gè)注意力機(jī)制模塊;
相應(yīng)的,接入的最后一個(gè)注意力機(jī)制模塊用于輸出與所述訓(xùn)練樣本數(shù)據(jù)對(duì)應(yīng)的特征圖,所述全局分支層以及所述局部分支層均與所述最后一個(gè)注意力機(jī)制模塊連接。
7.根據(jù)權(quán)利要求6所述的重識(shí)別模型,其特征在于,針對(duì)每一個(gè)注意力機(jī)制模塊,該注意力機(jī)制模塊包括通道注意力模塊和空間注意力模塊;所述通道注意力模塊與所述空間注意力模塊連接,所述通道注意力模塊還與前一個(gè)瓶頸層連接,所述空間注意力模塊還與后一個(gè)瓶頸層連接;
所述通道注意力模塊用于對(duì)所述前一個(gè)瓶頸層輸出的中間特征圖進(jìn)行特征處理,得到通道注意力特征圖;
所述空間注意力模塊用于對(duì)所述通道注意力特征圖進(jìn)行特征處理,得到空間注意力特征圖。
該專(zhuān)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(zhuān)利權(quán)人授權(quán)。該專(zhuān)利全部權(quán)利屬于四川大學(xué),未經(jīng)四川大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買(mǎi)此專(zhuān)利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110386171.2/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專(zhuān)利網(wǎng)。
- 同類(lèi)專(zhuān)利
- 專(zhuān)利分類(lèi)
G06K 數(shù)據(jù)識(shí)別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識(shí)別印刷或書(shū)寫(xiě)字符或者用于識(shí)別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測(cè)或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫(huà)組成的,而且每個(gè)筆畫(huà)表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無(wú)須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 等級(jí)精細(xì)視力訓(xùn)練表
- 視覺(jué)盲點(diǎn)演示與旁中心注視訓(xùn)練儀
- 一種訓(xùn)練室
- 視覺(jué)盲點(diǎn)演示與旁中心注視訓(xùn)練儀
- 一種訓(xùn)練室
- 康復(fù)訓(xùn)練器及其定量訓(xùn)練方法和定量訓(xùn)練裝置
- 一種分布式訓(xùn)練中梯度同步方法及裝置
- 訓(xùn)練模型的訓(xùn)練時(shí)長(zhǎng)預(yù)測(cè)方法及裝置
- 一種模型訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 一種計(jì)算機(jī)輔助的自閉癥兒童情感社交康復(fù)訓(xùn)練系統(tǒng)
- 一種數(shù)據(jù)庫(kù)讀寫(xiě)分離的方法和裝置
- 一種手機(jī)動(dòng)漫人物及背景創(chuàng)作方法
- 一種通訊綜合測(cè)試終端的測(cè)試方法
- 一種服裝用人體測(cè)量基準(zhǔn)點(diǎn)的獲取方法
- 系統(tǒng)升級(jí)方法及裝置
- 用于虛擬和接口方法調(diào)用的裝置和方法
- 線(xiàn)程狀態(tài)監(jiān)控方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)
- 一種JAVA智能卡及其虛擬機(jī)組件優(yōu)化方法
- 檢測(cè)程序中方法耗時(shí)的方法、裝置及存儲(chǔ)介質(zhì)
- 函數(shù)的執(zhí)行方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法、程序以及記錄介質(zhì)
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 基于時(shí)間序列預(yù)測(cè)模型適用性量化的預(yù)測(cè)模型選擇方法
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 分類(lèi)預(yù)測(cè)方法及裝置、預(yù)測(cè)模型訓(xùn)練方法及裝置
- 幀內(nèi)預(yù)測(cè)的方法及裝置
- 圖像預(yù)測(cè)方法及裝置、電子設(shè)備和存儲(chǔ)介質(zhì)
- 文本預(yù)測(cè)方法、裝置以及電子設(shè)備
- 模型融合方法、預(yù)測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)





