[发明专利]一种基于边缘检测来确定卷积神经网络卷积核数量的方法

摘要

本发明提供了一种基于边缘检测来确定卷积神经网络卷积核数量的方法，包括以下步骤：设定卷积神经网络层数和卷积核大小；将图像尺寸缩放至30*30后，对训练图像进行边缘检测获得边缘图像；按照各卷积层的卷积核大小对边缘图像进行边缘块提取和统计分析，获得各层卷积核数量；最后构建完整卷积神经网络对RGB‑D数据集进行训练。优点为：在构建卷积神经网络过程中，可自动的确定各个卷积层的卷积核数量，提高了设计卷积神经网络的效率，增强了卷积神经网络的自适应能力，使得设计的卷积神经网络拥有适应不同大小数据集的能力。

主权项

1.一种基于边缘检测来确定卷积神经网络卷积核数量的方法，其特征在于采用以下步骤：(1)设定卷积神经网络的卷积层及池化层的层数和各个卷积层的卷积核大小，卷积层和池化层交替连接，卷积核是m*n的矩阵，m＝n，且为奇数；(2)将所有图像的尺寸缩放至w*h，其中w＝h，再将所有训练图像转化为灰度图像，对训练图像的灰度图像利用边缘检测算子进行边缘检测，得到边缘图像，边缘图像为二值图像，边缘部分为1，其余部分为0；(3)确定第一个卷积层的卷积核数量：1)依据第一个卷积层卷积核大小，设为k₁*k₁，k₁为奇数，且以边缘图像的边缘像素点作为边缘块中心点，对类别一的训练图像分别进行边缘块提取，所提取的边缘块大小为k₁*k₁，在每张边缘图像中提取出ni个边缘块，ni为类别一的第i张边缘图像中边缘像素点个数，类别一的训练图像共计i张，对类别一的边缘图像所提取得到的所有边缘块进行统计，统计所含的边缘类型以及各个边缘类型的数量，大小为k₁*k₁的边缘块可能的边缘类型共计种，将统计到的数据存储于边缘特征矩阵E中，矩阵E的行表示类别，矩阵E的列表示边缘类型；2)按照对类别一的操作，对每个类别进行边缘块提取以及边缘块统计，将数据存储于边缘特征矩阵E中，再对E的各列计算方差，获得方差向量V，对V中的方差进行排序求和，然后统计占比为X的方差数量K作为卷积核数量；(4)确定其余各层卷积层的卷积核数量：按照步骤(3)中所述方法，依据第j个卷积层的卷积核大小kj*kj,kj为奇数，j为卷积层层数，对训练图像进行边缘块提取以及边缘块分析和统计，获得特征矩阵E，再对E的各列计算方差，获得方差向量V，对V中的方差进行排序求和，然后统计占比为X的方差数量K作为卷积核数量。