[发明专利]基于深度学习及多聚类中心损失函数的摊贩物品分类方法

权利要求书

1.基于深度学习及多聚类中心损失函数的摊贩物品分类方法，其方法步骤为：

1）网络结构设计： 整理摊贩物品样本，并对其进行类别标定；

2）目标损失函数：

a）CNN模型参数初始化以及聚类中心初始化；

b）将数据分批次输入CNN模型进行前向计算；

c）计算模型基于多聚类中心的类内损失和随机化计算聚类中心类间损失，并结合softmax loss，作为模型最终的loss；

d）将loss进行反向传播，计算出参数梯度，采用SGD算法更新CNN模型参数、NTanh参数p以及聚类中心；

e）重复上述步骤b、c、d，直到模型收敛或者达到指定迭代次数，训练结束；

3）模型预测：利用训练好的模型进行预测。

2.根据权利要求1所述基于深度学习及多聚类中心损失函数的摊贩物品分类方法，其特征在于，所述将数据分批次输入CNN模型进行前向计算时，其中的第一个全连接层采用带有随机噪声的激活函数NTanh,卷积层采用传统relu函数。

3.根据权利要求1或2所述基于深度学习及多聚类中心损失函数的摊贩物品分类方法，其特征在于，所述对模型进行预测时，第一个全连接层采用噪声激活函数Ntanh的期望形式。