基于金字塔池化及长期记忆结构的神经网络模型训练方法

摘要

本发明提供了一种基于金字塔池化及长期记忆结构的神经网络模型训练方法，包括以下步骤：a、建立基于金字塔池化及长期记忆结构的神经网络模型,b、对模型进行预训练，c、对模型进行适配训练，d、对模型进行测试。本发明的方法中提出一种新的神经网络结构模型，该模型能提取并保存源领域样本图像中各个样本的特征信息，并针对该模型提出了预训练和适配训练，同时在源领域编码器Ms和目标领域编码器Mt之间引入了一个共同的任务知识向量t*作为辅助变量，使用辅助变量保存源领域样本图像的特征信息并用于校准各个样本图像的特征输出，然后在适配训练步骤中校准目标领域样本图像的特征信息，从而提高不同领域图像分布的相似性。