用于图像识别的神经网络的训练方法和装置

摘要

本发明涉及用于图像识别的神经网络的训练方法和装置。该方法包括：将样本图像表示为高维空间中的点集，高维空间的大小为样本图像的空间域的大小×样本图像的强度域的大小；生成大小与高维空间的大小相同的第一随机扰动矩阵；对第一随机扰动矩阵进行平滑；用平滑后的第一随机扰动矩阵对高维空间中的点集进行扰动得到扰动后的点集；以及将扰动后的点集作为新的样本来训练神经网络。根据本发明，改进了传统的卷积神经网络的分类性能，产生更多的训练样本，减轻过拟合的影响，增强了卷积神经网络的泛化性能。

主权项

一种用于图像识别的神经网络的训练方法，包括：将样本图像表示为高维空间中的点集，所述高维空间的大小为所述样本图像的空间域的大小×所述样本图像的强度域的大小；生成大小与所述高维空间的大小相同的第一随机扰动矩阵；对所述第一随机扰动矩阵进行平滑；用平滑后的第一随机扰动矩阵对所述高维空间中的点集进行扰动得到扰动后的点集；以及将所述扰动后的点集作为新的样本来训练神经网络。