[发明专利]一种基于深度学习网络的图像分类方法有效
| 申请号： | 201810448134.8 | 申请日： | 2018-05-11 |
| 公开（公告）号： | CN108647723B | 公开（公告）日： | 2020-10-13 |
| 发明（设计）人： | 王改华;吕朦;袁国亮;刘文洲;李涛 | 申请（专利权）人： | 湖北工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 魏波 |
| 地址： | 430068 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习网络的图像分类方法，首先建立与ResNext网络相同的提取特征部分，这部分通过堆叠卷积快来实现。根据参数设置，将每个参数相同的卷积块分为一节，并对每节部分进行同样大小卷积块的删减；然后在建立好网络的三节部分中提取每一部分网络得到的特征图，处理后获得最后的特征列向量；接着将最后的特征列向量与softmax分类器连接，完整整个网络；整个网络用已知数据库进行调节，保存调节好后的权值；最后将网络运用到新数据库时，用保存好的权值迁移学习，然后进行微调。本发明提出了一种新的卷积神经网络算法结构，并降低了参数储存量，缩短了网络训练时间，同时提高了识别效率。 | ||
| 搜索关键词： | 一种 基于 深度 学习 网络 图像 分类 方法 | ||
【主权项】：
1.一种基于深度学习网络的图像分类方法，其特征在于，包括以下步骤：步骤1：首先建立与ResNext网络相同的提取特征部分，根据参数设置，将每个参数相同的卷积块分为一节，并对每节部分进行同样大小卷积块的删减；步骤2：在建立好网络的每节部分中提取每一部分网络得到的特征图，处理后获得最后的特征列向量；步骤3：将最后的特征列向量与softmax分类器进行全连接，使整个网络完整；步骤4：将已知数据库输入到整个网络中，运用梯度下降法进行调节，当训练精度和验证精度到预设程度后，保存调节好后的权值；步骤5：将网络运用到新数据库时，用保存好的权值进行迁移学习。
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湖北工业大学，未经湖北工业大学许可，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/201810448134.8/，转载请声明来源钻瓜专利网。
