[发明专利]一种基于有序回归正则的分类方法在审

申请号：	202110035501.3	申请日：	2021-01-12
公开（公告）号：	CN112766345A	公开（公告）日：	2021-05-07
发明（设计）人：	宋艳枝;唐文强	申请（专利权）人：	合肥黎曼信息科技有限公司
主分类号：	G06K9/62	分类号：	G06K9/62;G06N3/04;G06N3/08
代理公司：	安徽省蚌埠博源专利商标事务所(普通合伙) 34113	代理人：	朱恒兰
地址：	230001 安徽省合肥市高新区创新***	国省代码：	安徽;34
权利要求书：	查看更多	说明书：	查看更多
摘要：
搜索关键词：	一种基于有序回归正则分类方法
钻瓜网技术展会专利词库专利权人专利榜在售专利公布日期热门专利

【说明书】：

本发明涉及图像分类领域，具体涉及一种基于有序回归正则的分类方法，包括如下步骤：S01：设计神经网络结构：借鉴经典分类模型，结合具体的分类任务，设计合理的网络结构；S02：设计有序回归正则项：根据具体的分类任务，设计有序回归正则项，确定损失函数；S03：确定训练超参数：根据经验知识，选择合适的超参数；S04：模型训练：使用训练集训练端到端模型；S05：新样本预测和结果解释：使用训练好的模型对新样本进行预测，并对模型的结果做出解释；这种基于有序回归正则的分类方法，提高图像分类的准确性和稳定性。

技术领域

本发明涉及图像分类领域，具体涉及一种基于有序回归正则的分类方法。

背景技术

图像分类，是判断给定图像的内容在已有固定的分类标签集合中属于何种具体类别的过程。

图像内容的视角变化、大小变化、亮度变化、光照条件、背景干扰等都是分类任务面临的困难。有些种类之间的差异小，界限模糊，辨识困难，因此给图像分类是一个较难的问题。传统的机器学习方法一般首先提取图像特征，然后利用特征建模。特征一般为人为挑选，不够灵活，也不够准确，往往不能充分反映图像关键信息，因此准确率不能令人满意。深度学习技术在计算机视觉领域表现优异，在图像分类任务中也可取得较好的效果，但其准确率仍有进一步提升的空间，一般的正则化方法是约束神经网络的权重，以限制解空间的大小。

发明内容

本发明的目的是提供一种基于有序回归正则的分类方法，提高图像分类的准确性和稳定性。

为了实现以上目的，本发明采用的技术方案为：一种基于有序回归正则的分类方法，包括如下步骤：

步骤S01：设计神经网络结构：借鉴经典分类模型，结合具体的分类任务，

设计合理的网络结构；

步骤S02：设计有序回归正则项：根据具体的分类任务，设计有序回归正则项，确定损失函数；

步骤S03：确定训练超参数：根据经验知识，选择合适的超参数；

步骤S04：模型训练：使用训练集训练端到端模型；

步骤S05：新样本预测和结果解释：使用训练好的模型对新样本进行预测，并对模型的结果做出解释。

进一步的，所述步骤S01中，借鉴的经典模型是ResNet，在此模型的基础上，依分类任务修改模型，以适应具体的分类任务。

进一步的，所述步骤S02中，设计的正则项是基于有序回归技术，所述的损失函数同时考虑了分类损失和回归损失

进一步的，所述步骤S05中，新样本输入模型，模型输出分类结果。