[发明专利]一种基于轻量级卷积神经网络的图像分类方法

权利要求书

1.一种基于轻量级卷积神经网络的图像分类方法，将待训练图像数据集输入到轻量级卷积神经网络中进行训练，得到分类模型；然后使用训练完毕的分类模型对待分类图像进行分类；其特征在于，所述轻量级卷积神经网络包括轻量级卷积单元，构建该卷积单元具体包括以下步骤：

S1：采用逐点卷积对输入特征图进行通道扩张；

S2：采用深度卷积对输入特征图的通道进行分组；

S3：批量标准化：对输入层和每一中间层的输入做标准化处理；

S4：concat拼接：将输入特征图与批量标准化后的特征图进行concat拼接；

S5：采用逐点卷积对输出通道进行收缩；

S6：将经过步骤S5得到的特征图通过激活函数R_Hard_Swish；

激活函数R_Hard_Swish的计算公式为：

R_Hard_Swish(x)＝Hard_Swish(x)+β×x

其中，x表示输入特征图，ReLU6表示ReLU6激活函数，β取值范围为(0,1)。

2.根据权利要求1所述的图像分类方法，其特征在于，步骤S2中，所述深度卷积具体包括：将一个卷积核为N×N的深度卷积拆分成一个卷积核为1×N的深度卷积和一个卷积核为N×1的深度卷积。

3.根据权利要求1所述的图像分类方法，其特征在于，步骤S4中，设输入特征图为x，中间处理过程得到的是f(x)，concat拼接得到的是[x||f(x)]。

4.根据权利要求1所述的图像分类方法，其特征在于，步骤S5中，进行收缩后的输出通道数为原大型卷积神经网络卷积初期阶段输出通道数乘以参数α。