[发明专利]一种面向实时系统的渐进式深度学习方法

摘要

本发明公开了一种面向实时系统的渐进式深度学习方法，采用统计方法处理结果的深度学习框架，在处理图像分类问题的实时系统上，取得了能够使得分类精确度提高的进步，比起以往单独使用深度学习方法，达到了在小数据量上也能获得可靠结论的效果，一方面节省了系统存储数据的空间，另一方面减小了系统计算压力，提高了时效性和可靠性。

主权项

1.一种面向实时系统的渐进式深度学习方法，其特征在于，包括以下步骤：1)对获取的图像数据进行清洗，若清洗后的图像数量不足以进行一次完整的训练，则保留该图像数据；否则，进入步骤2)；2)对清洗后的图像数据进行训练，得到多个训练好的模型，将待分类的图像输入框架中，在训练好的模型进行测试，记录测试后的测试结果；3)对比测试结果识别为每一类的概率及排名，按每S组自动剔除效果最差的一组数据的方式进行更新；4)重复上述步骤2)和步骤3)，直到处理完所有的测试结果；5)利用下式得到测试结果属于某一类别的最终概率；6)根据类的个数K得到K个不同的最终概率值，这K个最终概率值，分别代表了测试结果属于某个类的可能性，将测试结果归到最大概率值所对应的那个类中，此时测试结果已经完成了识别，得到了分类。