特許
J-GLOBAL ID：201803018295318718
コンボリューションニューラルネットワークモデルの訓練方法及び装置
発明者：
,
,
,
,
出願人/特許権者：
代理人 (2件)：
実広 信哉
, 木内 敬二
公報種別：特許公報
出願番号（国際出願番号）：特願2017-519841
特許番号：特許第6257848号
出願日： 2016年03月25日
要約：
【要約】 本発明は画像識別分野に関し、CNNモデルの訓練方法及び装置を開示する。前記方法は、訓練画像に対してコンボリューション操作、最大プーリング操作及び水平プーリング操作をそれぞれ行って第2特徴画像を得ることと、第2特徴画像に応じて特徴ベクトルを決定することと、特徴ベクトルを処理してタイプ確率ベクトルを得ることと、タイプ確率ベクトル及び初期タイプに応じてタイプ誤差を計算することと、タイプ誤差に応じてモデルパラメータを調整することと、調整されたモデルパラメータに基づいて、モデルパラメータ調整のプロセスを継続し、反復回数が予め設定された回数に達する時のモデルパラメータを訓練されたCNNモデルのモデルパラメータとすることとを含む。各レベルのコンボリューションレイヤー上で訓練画像に対してコンボリューション操作と最大プーリング操作を行ってから水平プーリング操作を行う。
請求項（抜粋）：
【請求項1】 コンボリューションニューラルネットワーク(CNN)モデルの訓練方法であって、
訓練すべきCNNモデルの初期モデルパラメータを取得することと、
複数の訓練画像を取得することと、
前記各レベルのコンボリューションレイヤーにおいて、前記各レベルのコンボリューションレイヤーにおける初期コンボリューションカーネルと初期バイアス行列を使用して、各訓練画像に対してコンボリューション操作と最大プーリング操作をそれぞれ行い、前記各レベルのコンボリューションレイヤーでの各訓練画像の第1特徴画像を得ることと、
各訓練画像の少なくとも1つのレベルのコンボリューションレイヤーでの第1特徴画像に対して水平プーリング操作を行い、各レベルのコンボリューションレイヤーでの各訓練画像の第2特徴画像を得ることと、
各レベルのコンボリューションレイヤーでの各訓練画像の第2特徴画像に応じて、各訓練画像の特徴ベクトルを決定することと、
初期重み行列と初期バイアスベクトルに応じて、各特徴ベクトルを処理して、各訓練画像のタイプ確率ベクトルを得ることと、
前記各訓練画像のタイプ確率ベクトル及び各訓練画像の初期タイプに応じて、タイプ誤差を計算することと、
前記タイプ誤差に基づいて、前記訓練すべきCNNモデルのモデルパラメータを調整することと、
調整されたモデルパラメータと前記複数の訓練画像に基づいて、反復回数が予め設定された回数に達するまで、モデルパラメータの調整プロセスを継続することと、
反復回数が予め設定された回数に達するときに得たモデルパラメータを、訓練されたCNNモデルのモデルパラメータとすることとを含み、
前記初期モデルパラメータは、各レベルのコンボリューションレイヤーの初期コンボリューションカーネル、前記各レベルのコンボリューションレイヤーの初期バイアス行列、完全接続レイヤーの初期重み行列、及び前記完全接続レイヤーの初期バイアスベクトルを含む、前記方法。
IPC (2件)：
G06T 7/00 ( 201 7.01)
, G06N 3/02 ( 200 6.01)
G06T 7/00 350 C
, G06N 3/02
