[发明专利]一种轻量级中药材识别方法

权利要求书

1.一种轻量级中药材识别方法，其特征在于，包括如下步骤：

S1：采集中药材图片并对图片进行预处理，并化分为训练集和测试集；

S2：采用张量分解的方法对卷积神经网络中的参数进行压缩，减少参数的数量；

S3：利用训练集对压缩之后得到的新网络进行微调训练；

S4：分类器接收传递来的信号，得到分类结果。

2.如权利要求1所述的神经网络的参数，可以是利用训练集训练后获取的神经网络的参数，或者可以是直接获取网络上预训练好的神经网络参数。

3.如权利要求1所述的参数压缩方法，其张量分解过程S2如下：

1)：对神经网络中第一层的参数进行张量分解；

2)：得到分解之后的维度较小的张量，替代分解之前的参数量；

3)：将所有的卷积层和全连接层都进行同样的分解和替代过程。

4.如权利要求3所述的张量分解方法，分解时根据张量本身的数据，可以自动求得合适的秩。

5.如权利要求3所述的张量分解方法，可以采用Tucker分解、TensorTrain分解等其他张量分解方法。

6.如权利要求1中S4所述的分类器，可以采用Softmax分类器接收传递来的信号，并对信号进行处理，得到分类结果。

7.如权利要求6中所述的Softmax分类器，工作过程如下：

中药材图片作为输入，通过被张量分解过的卷积层和全连接层后输出特征展开为向量传输给Softmax分类器。

8.如权利要求6中所述的Softmax分类器，实现分为以下几步：

1)找出输入的最大值，输入的每个变量减去最大值，取指数；

2)结果归一化，得出的结果就是每一类的分类概率。

9.如权利要求1所述的轻量级中药材识别方法，其特征在于：在神经网络反向传播中，设定一个损失函数，损失函数表示真实值与网络的估计值的误差，基于损失函数去修改网络中的权重。

10.如权利要求9所述的轻量级中药材识别方法，其特征在于：所述损失函数可以采用交叉熵函数。