[发明专利]一种多层卷积神经网络优化系统及方法

摘要

本发明涉及一种多层卷积神经网络优化系统及方法。该系统包括：图像定位模块、基于CP分解的采样模块、微采样模块、基于BP算法参数调优模块和卷积神经网络特征输出模块，所述图像定位模块通过回归函数根据卷积层的维度设定参数矩阵θ；所述基于CP分解的采样模块对经过卷积操作的结果进行张量分解，得到两个秩一张量p和q；所述微采样模块应用双线性插值算法对图像不同方向的像素点进行线性插值，获得网络输出V；所述基于BP算法的参数调优模块对于参数θ进行更新；所述卷积神经网络特征输出模块用于将更新好的参数θ^带入网络，并进行迭代运算，输出卷积神经网络特征。本发明有利于提取空间不变的特征，同时提高运算效率。

主权项

1.一种基于图像的多层卷积神经网络优化系统，其特征在于，包括：图像定位模块、基于CP分解的采样模块、微采样模块、基于BP算法参数调优模块和卷积神经网络特征输出模块，所述图像定位模块通过回归函数根据卷积层的维度设定参数矩阵θ，并用于下一层对于坐标变换的操作；所述基于CP分解的采样模块对经过卷积操作的结果进行张量分解，得到两个秩一张量p和q，同时利用像素点对应的坐标与上一层产生的参数矩阵θ进行运算；所述微采样模块应用双线性插值算法对图像不同方向的像素点进行线性插值，获得网络输出V；所述基于BP算法的参数调优模块对于参数矩阵θ进行更新；所述卷积神经网络特征输出模块用于将更新好的参数带入网络，并进行迭代运算，同时加入分类器对特征进行分类预测，输出卷积神经网络特征；其中，所述基于BP算法的参数调优模块对于参数矩阵θ进行更新的具体方式为：利用网络输出V对网络输入秩一张量的外积p°q求偏导获得灵敏度δ，根据灵敏度δ更新参数矩阵θ。