公开(公告)号：CN109784477A

公开(公告)日：2019-05-21

申请号：CN201910035379.2

申请日：2019-01-15

Applicant: 桂林电子科技大学

Inventor： 蔡晓东 ,  曹艺

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种用于对比神经网络训练的采样的方法及系统，包括：采集数据样本；搭建卷积神经网络，在全连接层的输出序列建立对比信息输出层和对比信息损失层；在所述对比信息输出层通过对比算法对数据样本进行计算，得到对比信息和对比标签；通过对对比信息和对比标签进行重新采样，得到重采样结果；在所述对比信息损失层通过损失算法对所述重采样结果进行损失值计算，得到训练时的损失值；根据所述损失值调整所述卷积神经网络的参数，以便使所述卷积神经网络学习所述数据样本的表达特征，完成所述卷积神经网络的训练。

公开(公告)号：CN109784477B

公开(公告)日：2021-05-18

申请号：CN201910035379.2

申请日：2019-01-15

Applicant: 桂林电子科技大学

Inventor： 蔡晓东 ,  曹艺

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种用于对比神经网络训练的采样的方法及系统，包括：采集图像数据样本；搭建卷积神经网络，在全连接层的输出序列建立对比信息输出层和对比信息损失层；在所述对比信息输出层通过对比算法对图像数据样本进行计算，得到对比信息和对比标签；通过对对比信息和对比标签进行重新采样，得到重采样结果；在所述对比信息损失层通过损失算法对所述重采样结果进行损失值计算，得到训练时的损失值；根据所述损失值调整所述卷积神经网络的参数，以便使所述卷积神经网络学习所述图像数据样本的表达特征，完成所述卷积神经网络的训练。