[发明专利]一种基于变分组卷积的图像识别方法

摘要

本发明涉及一种基于变分组卷积的图像识别方法，针对目前的基于深度卷积神经网络的图像识别算法中存在的过拟合问题，采用随机通道组合的思路，对于每个处理层，首先对输入特征图进行通道拆分，然后再进行通道组合排列，为每个卷积核分配不同的通道组合，最后计算该层的卷积激活特征图，本发明可以有效提高特征提取中的同层数据随机化程度，降低模型参数发生过拟合的可能性，从而提高卷积神经网络在图像检索、图像匹配等问题中的性能。

主权项

1.一种基于变分组卷积的图像识别方法，其特征在于：包括以下步骤：第一步，对一张输入图像进行RGB通道拆分，每个通道作为初始的特征图，共3个特征图，作为初始输入；第二步，使用原始的5层AlexNet卷积神经网络，为每一层的m个卷积核，分配每个卷积核对应的1组卷积特征图；第三步，对各个卷积核和对应的不同数量，即变分组的特征图组计算二维卷积，得到本层的输出特征图，同时也是下一层的输入特征图，完成第一层的特征图计算，同样的过程依次完成第2层到第5层的输出特征图，将第5层的输出特征矩阵按行展开成一维向量，即得到输出特征，使用softmax函数对输出特征进行概率化映射，得到输出类别向量；第四步，使用均方误差计算AlexNet卷积神经网络模型的输出类别向量与输入图像的类别真值向量之间的损失值，通过误差反向传播算法更新AlexNet中卷积核的参数，即完成了对AlexNet卷积神经网络模型的一次更新，通过在imagenet数据集上进行训练，得到训练完的AlexNet卷积神经网络模型，最终使用训练完的AlexNet卷积神经网络模型对输入图像进行图像识别。