一種用于深度學習的多層遞階式神經(jīng)網(wǎng)絡(luò)架構(gòu)系統(tǒng)
基本信息
| 申請?zhí)?/td> | CN202010627432.0 | 申請日 | - |
| 公開（公告）號 | CN111860620A | 公開（公告）日 | 2020-10-30 |
| 申請公布號 | CN111860620A | 申請公布日 | 2020-10-30 |
| 分類號 | G06K9/62(2006.01)I | 分類 | 計算；推算；計數(shù); |
| 發(fā)明人 | 黃西士;呂越峰;張劍 | 申請（專利權(quán)）人 | 蘇州富鑫林光電科技有限公司 |
| 代理機構(gòu) | 蘇州市中南偉業(yè)知識產(chǎn)權(quán)代理事務(wù)所（普通合伙） | 代理人 | 蘇州富鑫林光電科技有限公司 |
| 地址 | 215000江蘇省蘇州市工業(yè)園區(qū)金雞湖大道99號蘇州納米城16幢501室 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明涉及深度學習技術(shù)的技術(shù)領(lǐng)域，特別是涉及一種用于深度學習的多層遞階式神經(jīng)網(wǎng)絡(luò)架構(gòu)系統(tǒng)，其在更深的維度，也就是針對檢測領(lǐng)域的特點，在深度學習的模型改進方面提出了有效的辦法，發(fā)明了創(chuàng)新性的整體神經(jīng)網(wǎng)路架構(gòu)系統(tǒng)來應(yīng)對具有復雜特征和相似特征的各種不同類型的復雜缺陷，并能進行檢測分類，同時降低了各個模塊的設(shè)計需求，簡化了模塊模型，因此極大地降低了學習訓練難度，并且易于優(yōu)化和選取超參數(shù)；一種用于深度學習的多層遞階式神經(jīng)網(wǎng)絡(luò)架構(gòu)系統(tǒng)包括三個模塊：上層模塊、下層模塊和聚合模塊。?? |
