[发明专利]基于动态随机池化卷积神经网络的图像分类方法

摘要

本发明公开一种基于动态随机池化卷积神经网络的图像分类方法，该方法包括以下步骤：一、把训练集导入一系列卷积层进行卷积运算；二、把训练集导入一系列池化层进行随机池化运算；三、在最后的池化层进行动态随机池化；四、把特征矩阵融合为输出特征向量；五、对融合特征向量进行分类识别；六、对网络进行多次训练，调整中间参数，使输入输出的关系更加明显。本发明提出的随机池化运算可以很好的保留特征图像的纹理和背景综合特征；最后池化层的动态随机运算消除图像多尺度问题；多维度的特征融合，保证图像特征的多样性，从而提高识别精度。

主权项

1.一种基于动态随机池化卷积神经网络的图像分类方法，其特征在于：至少包括以下步骤：步骤一、把训练集导入一系列卷积层进行卷积运算，通过卷积运算进行边缘特征提取，使原信号增强并降低噪音；步骤二、把训练集导入一系列池化层进行随机池化运算，通过随机池化运算降低维度，进一步增强特征信号使得特征具有平移不变性、旋转不变性、缩放不变性；步骤三、在最后的池化层进行动态随机池化，通过动态计算池化窗口大小和步长来进行池化运算，得到多个尺度的特征矩阵，保证特征输出的维度统一；步骤四、把特征矩阵融合为输出特征向量，把池化运算之后生成的多个尺度的特征矩阵融合为输出特征向量；步骤五、对输出特征特征向量进行分类识别，融合特征向量作为输入，利用Softmax分类器实现网络的分类识别；步骤六、对网络进行多次训练，调整中间参数，使输入输出的关系更加明显。