[发明专利]一种加入Dropout的卷积神经网络的果蔬图像识别方法在审
| 申请号： | 201710046101.6 | 申请日： | 2017-01-20 |
| 公开（公告）号： | CN106778701A | 公开（公告）日： | 2017-05-31 |
| 发明（设计）人： | 林志贤;叶芸;郭太良;姚剑敏;曾维亮 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 福州元创专利商标代理有限公司35100 | 代理人： | 蔡学俊 |
| 地址： | 350002 福*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种加入Dropout的卷积神经网络的果蔬图像识别方法，包括两层卷积滤波层、两层降采样层、一层全连接层、一层输出层；方法包括卷积过程、降采样过程以及全连接过程。本发明通过在所述卷积滤波层中加入一定比例的随机隐退Dropout，令某些神经元冻结，使其输出为0，进而减少过拟合现象。 | ||
| 搜索关键词： | 一种 加入 dropout 卷积 神经网络 图像 识别 方法 | ||
【主权项】：
一种加入Dropout的卷积神经网络的果蔬图像识别方法，其特征在于：包括两层卷积滤波层、两层降采样层、一层全连接层、一层输出层；通过在所述卷积滤波层中加入一定比例的随机隐退Dropout，令某些神经元冻结，使其输出为0，进而减少过拟合现象；具体包括以下步骤：步骤S1：将输入图像归一化至网络所需尺寸大小；步骤S2：进行卷积：用一个可训练的滤波器卷积输入图像，得到卷积层的特征图，其中卷积层中引入Dropout的神经元的比例为30％；步骤S3：进行降采样：对卷积层的特征图中每个n×n的邻域求平均得到降采样层的一个值，进而使得降采样层的特征图在各个维度都比卷积层的特征图缩小了n倍；步骤S4：进行全连接：将第二层降采样层的特征图展开成一个列向量，乘上加权值并通过激活函数得到输出层神经元的输出值；步骤S5：求出输出值与标签值的的均方误差，网络采用基于带动量项的梯度下降反向传播算法，当迭代次数满足要求时终止卷积神经网络的训练。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福州大学，未经福州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710046101.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于変分编码器中国手语识别方法
- 下一篇：指纹识别模组及装置
