-
公开(公告)号：CN108140144B
公开(公告)日：2021-06-01
申请号：CN201680061886.8
申请日：2016-03-31
Applicant: 富士通株式会社
IPC: G06N3/08
Abstract: 一种对神经网络模型进行训练的方法、装置和电子设备。该方法包括：提取神经网络模型的一部分，以形成神经网络子模型；对所述神经网络子模型进行训练，以形成优化的神经网络子模型；根据所述优化的神经网络子模型中的各权值，初始化所述神经网络模型中的各权值，以形成初始化神经网络模型，并且，所述初始化神经网络模型与所述优化的神经网络子模型具有相同的输出特性；基于已知训练集，对所述初始化神经网络模型中的各权值进行调整。根据该方法，能够缩短大规模神经网络的训练时间并避免过拟合问题。
-
公开(公告)号：CN105488515A
公开(公告)日：2016-04-13
申请号：CN201410474927.9
申请日：2014-09-17
Applicant: 富士通株式会社
Abstract: 本发明提供一种训练卷积神经网路分类器的方法和图像处理装置。根据该训练卷积神经网络分类器的方法，从训练用图像中提取全局特征和局部特征。根据预定模式将全局特征和局部特征映射到特征图以作为分类器的输入样本。根据预定模式，全局特征被映射到至少一个第一区域，局部特征被映射到一个第二区域，每个第一区域与第二区域相接。根据本公开的训练方法，较大程度上提高了检测的速度和准确度。
-
-
公开(公告)号：CN106485192A
公开(公告)日：2017-03-08
申请号：CN201510556368.0
申请日：2015-09-02
Applicant: 富士通株式会社
Abstract: 本发明涉及用于图像识别的神经网络的训练方法和装置。该方法包括：将样本图像表示为高维空间中的点集，高维空间的大小为样本图像的空间域的大小×样本图像的强度域的大小；生成大小与高维空间的大小相同的第一随机扰动矩阵；对第一随机扰动矩阵进行平滑；用平滑后的第一随机扰动矩阵对高维空间中的点集进行扰动得到扰动后的点集；以及将扰动后的点集作为新的样本来训练神经网络。根据本发明，改进了传统的卷积神经网络的分类性能，产生更多的训练样本，减轻过拟合的影响，增强了卷积神经网络的泛化性能。
-
-
Patent Agency Ranking
公开(公告)号：CN105488515B
公开(公告)日：2019-06-25
申请号：CN201410474927.9
申请日：2014-09-17
Applicant: 富士通株式会社
Abstract: 提供一种训练卷积神经网路分类器的方法和图像处理装置。根据该训练卷积神经网络分类器的方法，从训练用图像中提取全局特征和局部特征。根据预定模式将全局特征和局部特征映射到特征图以作为分类器的输入样本。根据预定模式，全局特征被映射到至少一个第一区域，局部特征被映射到一个第二区域，每个第一区域与第二区域相接。根据本公开的训练方法，较大程度上提高了检测的速度和准确度。
-
公开(公告)号：CN108140144A
公开(公告)日：2018-06-08
申请号：CN201680061886.8
申请日：2016-03-31
Applicant: 富士通株式会社
IPC: G06N3/08
CPC classification number: G06N3/08
Abstract: 一种对神经网络模型进行训练的方法、装置和电子设备。该方法包括：提取神经网络模型的一部分，以形成神经网络子模型；对所述神经网络子模型进行训练，以形成优化的神经网络子模型；根据所述优化的神经网络子模型中的各权值，初始化所述神经网络模型中的各权值，以形成初始化神经网络模型，并且，所述初始化神经网络模型与所述优化的神经网络子模型具有相同的输出特性；基于已知训练集，对所述初始化神经网络模型中的各权值进行调整。根据该方法，能够缩短大规模神经网络的训练时间并避免过拟合问题。
-
公开(公告)号：CN105989375A
公开(公告)日：2016-10-05
申请号：CN201510050185.1
申请日：2015-01-30
Applicant: 富士通株式会社
IPC: G06K9/68
Abstract: 本发明实施例提供一种对手写字符图像进行分类的分类器、分类装置和分类方法，该分类器包括：训练部，其根据训练样本的分类输出与所述训练样本类别的误差，以及所述训练样本的特征提取输出或重构输出与所述训练样本所对应的标准字符图像的误差，来确定特征提取参数和分类参数；分类部，其根据所述训练部所确定的所述特征提取参数和分类参数，对输入的手写字符图像进行分类。根据本发明的实施例，在确定特征提取参数和分类参数时，考虑到了训练样本所对应的标准字符图像的特性，因此，能够得到进一步优化的特征提取参数和分类参数，提高了分类的准确性。
-
公开(公告)号：CN104424201A
公开(公告)日：2015-03-18
申请号：CN201310367440.6
申请日：2013-08-21
Applicant: 富士通株式会社
CPC classification number: G06F17/30616 , G06K9/2054 , G06Q30/018
Abstract: 本发明涉及一种用于提供食品安全信息的方法和装置。一种用于提供食品安全信息的方法，包括：获取食品包装上的配料名图像；对所获取的配料名图像进行识别来获得配料名；针对配料名在消费者生成媒体中进行检索来获得与配料名相关的第一安全信息。通过本发明，可以提高向用户推荐食品安全信息的时效性和针对性。
-
公开(公告)号：CN106485192B
公开(公告)日：2019-12-06
申请号：CN201510556368.0
申请日：2015-09-02
Applicant: 富士通株式会社
Abstract: 本发明涉及用于图像识别的神经网络的训练方法和装置。该方法包括：将样本图像表示为高维空间中的点集，高维空间的大小为样本图像的空间域的大小×样本图像的强度域的大小；生成大小与高维空间的大小相同的第一随机扰动矩阵；对第一随机扰动矩阵进行平滑；用平滑后的第一随机扰动矩阵对高维空间中的点集进行扰动得到扰动后的点集；以及将扰动后的点集作为新的样本来训练神经网络。根据本发明，改进了传统的卷积神经网络的分类性能，产生更多的训练样本，减轻过拟合的影响，增强了卷积神经网络的泛化性能。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.041 seconds)
