用于行人属性识别的神经网络模型训练方法及终端设备
公开
摘要
本发明公开了一种用于行人属性识别的神经网络模型训练方法及终端设备，属于行人识别技术领域，能够解决现有多任务模型训练中加权方法有效性较差的问题。所述方法包括：根据不同属性训练任务的加权损失获取神经网络模型的前向传播总损失；根据不同属性训练任务的样本数比例对与其对应的梯度范数进行加权，以更新梯度范数；获取不同属性训练任务的相对反向传播速度，并根据更新后的梯度范数和相对反向传播速度获取梯度范数差异总损失；利用前向传播总损失更新神经网络模型参数，并利用梯度范数差异总损失更新各训练任务的权值；对训练任务的权值进行归一化处理；重复上述步骤，直至训练次数达到预设次数。本发明用于行人属性识别模型的训练。
基本信息
专利标题 ：
用于行人属性识别的神经网络模型训练方法及终端设备
专利标题（英）：
暂无
公开（公告）号 ：
CN114612935A
申请号 ：
CN202210249718.9
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-14
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
黄永祯崔崇阳刘旭曹春水
申请人 ：
银河水滴科技（北京）有限公司
申请人地址 ：
北京市海淀区学院路51号7层0711
代理机构 ：
西安迪业欣知识产权代理事务所(普通合伙)
代理人 ：
刘妍
优先权 ：
CN202210249718.9
主分类号 ：
G06V40/10
IPC分类号 ：
G06V40/10 G06V40/20 G06V10/774 G06V10/82 G06K9/62 G06N3/04
法律状态
2022-06-10 ：
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
