卷积神经网络模型的训练方法、装置、设备及计算机可读存储介质
基本信息
| 申请号 | CN201811243573.1 | 申请日 | - |
| 公开（公告）号 | CN109359725B | 公开（公告）日 | 2021-03-02 |
| 申请公布号 | CN109359725B | 申请公布日 | 2021-03-02 |
| 分类号 | G06F16/73(2019.01)I;G06K9/62(2006.01)I;G06N3/08(2006.01)I;G06K9/00(2006.01)I;G06N3/04(2006.01)I | 分类 | 计算；推算；计数; |
| 发明人 | 程成 | 申请（专利权）人 | 北京周同科技有限公司 |
| 代理机构 | 北京品源专利代理有限公司 | 代理人 | 孟金喆 |
| 地址 | 100000北京市朝阳区酒仙桥中路24号院4号楼8层801室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种卷积神经网络模型的训练方法、装置、设备及可读存储介质。所述卷积神经网络模型包括卷积神经网络基础骨架网络、第一全连接层、无监督层分支和有监督层分支，所述方法包括：获取输入的图像样本，通过所述卷积神经网络基础骨架网络获得所述图像样本的卷积特征；根据所述图像样本的卷积特征通过所述第一全连接层获得所述图像样本的特征表示；根据所述图像样本的特征表示，通过所述无监督层分支和所述有监督层分支，计算得到卷积神经网络模型的损失值，根据所述损失值优化卷积神经网络模型的模型参数。本发明实施例的技术方案能提高使用卷积神经网络模型提取图片特征进行检索的泛化能力和鲁棒性。 |
