[发明专利]一种基于样条卷积神经网络的图像分类方法

权利要求书

1.一种基于样条卷积神经网络的图像分类方法，其特征在于，主要包括样条卷积神经网络(一)；通用计算图形处理器算法(二)。

2.基于权利要求1所述的样条卷积神经网络(一)，其特征在于，样条卷积神经网络(样条CNN)使用一种新型样条卷积层构建深度神经网络，卷积层接收不规则的结构化数据，将其映射到定向图作为输入，在空间卷积层中，节点特征使用可训练的连续核函数进行聚合，样条CNN由以下三个部分组成：预训练、节点特征和卷积运算符。

3.基于权利要求2所述的预训练，其特征在于，训练过程如下：

(1)在卷积算子中输入一个定向图其中表示节点集合且ε是边缘集合，U是d维度中的相邻矩阵，U∈[0,1]N×N×d包含d维度的伪坐标u(i,j)，且u(i,j)∈[0,1]d，该坐标来自每个定向边缘(i,j)∈ε；

(2)U是d维度上的相邻矩阵，通过u(i,j)∈[0,1]d进行归一化，如果(i,j)∈ε，则U＝0，当E＝|ε|＜＜N2时，U是一个稀疏矩阵，对于节点其邻域集合用N(i)表示；

(3)在网络中输入节点特征：令其中表示每个节点在Min位置的输入特征向量，且1≤l≤Min，将集合作为输入特征映射；

(4)除了输入图形和节点特征外，B样条基函数为：令表示在角度m处的B样条基础，在等距离的结点向量上，k＝(k1,…,kd)定义了d维度的内核大小。