一种提高多类型图片深度学习模型训练效率的方法
授权
摘要
本发明提供一种提高多类型图片深度学习模型训练效率的方法，提供三张不同类型的图像，对该三张不同类型的图像进行尺寸变换；对经过尺寸变换后的三张不同类型的图像进行滤波去噪；对经过滤波去噪后的三张不同类型的图像进行裁剪；对经过裁剪的三张不同类型的图像进行图像组合，图像组合包括对该三张不同类型的图像进行三维堆叠。本发明在预处理中将不同类型的图像进行三维堆叠，堆叠后图像尺寸为3 Channel 320*320，通过第一层深度学习神经网络使用3 Channel卷积核减少后续神经网络层的计算量，进而提高模型训练的效率。
基本信息
专利标题 ：
一种提高多类型图片深度学习模型训练效率的方法
专利标题（英）：
暂无
公开（公告）号 ：
CN112634215A
申请号 ：
CN202011482436.0
公开（公告）日 ：
2021-04-09
申请日 ：
2020-12-16
授权号 ：
CN112634215B
授权日 ：
2022-06-07
发明人 ：
李磊孟德旭靳璇米琳
申请人 ：
华虹半导体（无锡）有限公司
申请人地址 ：
江苏省无锡市新吴区新洲路30号
代理机构 ：
上海浦一知识产权代理有限公司
代理人 ：
戴广志
优先权 ：
CN202011482436.0
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06T5/00 G06T5/50 G06T7/10 G06N20/00
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/00
图像分析
法律状态
2022-06-07 ：
授权
2021-04-27 ：
实质审查的生效
IPC(主分类) : G06T 7/00
申请日 : 20201216
申请日 : 20201216
2021-04-09 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
