-
公开(公告)号：CN110674881B
公开(公告)日：2022-02-11
申请号：CN201910925704.2
申请日：2019-09-27
Applicant: 长城计算机软件与系统有限公司
IPC: G06V10/774 , G06K9/62 , G06F16/535 , G06F16/53
Abstract: 本发明涉及一种商标图像检索模型训练方法，包括：获取多组样本数据，根据相似度为每个查询样本选择最难正例样本和多个困难负例样本；将一个查询样本、对应的最难正例样本和对应的多个困难负例样本作为一组训练数据，根据多组训练数据利用神经网络进行商标图像检索模型训练；根据多负例对比损失函数对商标图像检索模型进行更新，直至商标图像检索模型在验证集上的验证效果不再提升，则结束训练。本发明根据相似度剔除容易样本、挖掘难分样本，充分利用了少部分难分样本，更有针对性的对神经网络参数进行调整，可以较好地推迟模型收敛/过拟合，使训练更充分，效果更好。本发明还涉及商标图像检索模型训练系统、存储介质及计算机设备。
-
公开(公告)号：CN113807516A
公开(公告)日：2021-12-17
申请号：CN202111077276.6
申请日：2021-09-13
Applicant: 长城计算机软件与系统有限公司
IPC: G06N3/08 , G06K9/62 , G06K9/46 , G06K9/32 , G06F16/583
Abstract: 本发明公开了神经网络模型的训练方法及图像检索方法，涉及图像处理技术领域。训练方法包括：基于semi‑hard负例策略选择query图像的正例图像和负例图像，构成三元组；将三元组的图像输入到神经网络模型中，对图像进行不同深度卷积层的特征提取，结合注意力网络从得到的特征图中提取感兴趣区域的局部特征；对得到的局部特征进行聚合，得到全局特征；根据全局特征对比损失函数，并通过反向传播算法更新神经网络模型的权重，直到达到预设的训练停止条件，完成训练。本发明可以有效的降低训练的复杂度，加快训练速度。
-
公开(公告)号：CN110674881A
公开(公告)日：2020-01-10
申请号：CN201910925704.2
申请日：2019-09-27
Applicant: 长城计算机软件与系统有限公司
IPC: G06K9/62 , G06F16/535 , G06F16/53
Abstract: 本发明涉及一种商标图像检索模型训练方法，包括：获取多组样本数据，根据相似度为每个查询样本选择最难正例样本和多个困难负例样本；将一个查询样本、对应的最难正例样本和对应的多个困难负例样本作为一组训练数据，根据多组训练数据利用神经网络进行商标图像检索模型训练；根据多负例对比损失函数对商标图像检索模型进行更新，直至商标图像检索模型在验证集上的验证效果不再提升，则结束训练。本发明根据相似度剔除容易样本、挖掘难分样本，充分利用了少部分难分样本，更有针对性的对神经网络参数进行调整，可以较好地推迟模型收敛/过拟合，使训练更充分，效果更好。本发明还涉及商标图像检索模型训练系统、存储介质及计算机设备。
-
公开(公告)号：CN112836010A
公开(公告)日：2021-05-25
申请号：CN202011141538.6
申请日：2020-10-22
Applicant: 长城计算机软件与系统有限公司
Abstract: 本发明公开了用于专利的检索方法、存储介质及装置，涉及计算机技术领域。该方法包括：根据预先建立的神经网络模型分别对待检索专利进行语义和表面信息的特征抽取，将得到的语义特征向量和表面信息特征向量进行拼接，得到融合特征向量；根据融合特征向量从预设的特征数据库中匹配相似度满足预设相似度条件的专利，得到检索结果。本发明适用于专利文件的相似文本的检索，能够得到准确的检索结果，能够充分挖掘不同专利之间的关联性，从而提高检索结果的可信度。
-
-
-
Search Results
4
records
(took 0.044 seconds)
