[发明专利]基于D-MobileNet神经网络的图像分类方法

摘要

本发明公开了一种基于D‑MobileNet(Dilated‑Mobilenet)神经网络图像分类的方法。通过将空洞卷积与MobileNet进行结合，通过提高高分辨率输入层的卷积核感受野，提高输出特征的质量，且不增加网络的参数数量，使得该网络结构提高分类精度。包括以下步骤：1)准备数据集；2)搭建MobileNet网络；3)搭建D‑MobileNet网络；4)超参数设置。将模型训练好后，利用训练好的卷积神经网络模型对验证集图片进行验证，完成分类预测。实验结果表明：本发明能取得比MobileNet网络更好的分类精度。

主权项

1.基于D‑MobileNet(Dilated‑Mobilenet)神经网络图像分类方法，其特征在于，所述方法包括如下步骤：1)准备数据集；2)MobileNet神经网络的构建；3)D‑MobileNet神经网络的构建；4)超参数设置；准备数据集：本实验在Caltech_256数据集上进行实验，将图片转换为tfrecord的形式进行存储，并在训练和测试时对图片进行预处理，可扩大数据集图片的数量，防止过拟合；MobileNet神经网络的构建：MobileNet神经网络是以深度可分离卷积核为基本结构的28层网络的深度卷积神经网络，一个深度可分离核由深度卷积核和点卷积核组成；MobileNet神经网络包括、1层卷积层、13层深度可分离层、一个全局平均池化层和一层全连接输出层，且该网络无池化层；D‑MobileNet神经网络的构建：选定卷积层的层数，将该层数的卷积核由空洞卷积核替代(前面一两层的高分辨率输入特征的卷积层)，通过提高该卷积核的感受野来提高所学习到的特征的质量，进一步提高分类准确度；优化网络超参数：对不同的mini_batch、learning_rate、momentum、训练步长等超参数进行优化。