[发明专利]一种基于全连接层增广的小金具图像数据集训练方法

权利要求书

1.一种基于全连接层增广的小金具图像数据集训练方法，其特征在于：包括以下步骤：

步骤S1：在原始检测模型的全连接层的基础上增加新的输出神经元，形成增广全连接层，并进行特征提取；

步骤S2：对增广全连接层进行训练，以得到更新的检测模型；

步骤S3：将图像数据加入到更新后的检测模型中进行检测，以输出检测的结果。

2.根据权利要求1所述的一种基于全连接层增广的小金具图像数据集训练方法，其特征在于：所述步骤S1具体包括以下步骤：

步骤S1-1：在原始检测模型的全连接层的基础上增加新的输出神经元，形成增广全连接层；

步骤S1-2：对增广全连接层进行特征提取后得到图像的特征，所述特征提取的过程为将增广全连接层依次经过卷积层、激活层、池化层。

3.根据权利要求2所述的一种基于全连接层增广的小金具图像数据集训练方法，其特征在于：所述步骤S2具体包括以下步骤：

步骤S2-1：对新增的输出神经元的维度参数进行初始化训练；

步骤S2-2：对维度参数进行初始化训练后，使用训练样本对增广全连接层进行训练，得到更新后的检测模型。

4.根据权利要求3所述的一种基于全连接层增广的小金具图像数据集训练方法，其特征在于：所述步骤S2-1具体为：增广全连接层中由原始全连接层的n个神经元增加为n+p个神经元，原始全连接层的参数量为f*n，增广连接层的参数量为f*(n+p)，其中f为参数的维度；拷贝原始全连接层中的参数量f*n，使用具有高斯分布的随机参数对增广全连接层中的参数量f*p进行初始化训练。

5.根据权利要求4所述的一种基于全连接层增广的小金具图像数据集训练方法，其特征在于：所述将图像数据加入到更新后的检测模型中进行检测的步骤之前，还包括步骤：使用数据增强的方式对图像数据进行预处理。

6.根据权利要求5所述的一种基于全连接层增广的小金具图像数据集训练方法，其特征在于：所述使用数据增强的方式对图像数据进行预处理的步骤，包括：

设置坐标(x1,y1)、(x2,y2)分别表示图像中标注框的左上角和右下角坐标，以W、H作为图像的宽和高；

对图像进行翻转：

进行水平翻转时，图像坐标更新为：x1＝W-x2，y1＝y1，x2＝W-x1，y2＝y2；

进行竖直翻转时，图像坐标更新为：x1＝x1，y1＝H-y2，x2＝x2，y2＝H-y1；

对图像进行尺寸缩放：

[x1,x2]＝[x1,x2]·fx；

[y1,y2]＝[y1,y2]·fy；

对图像进行旋转：

以得到预处理后的图像数据。