[发明专利]一种基于迁移学习的图像分类方法和系统在审
| 申请号： | 201810478726.4 | 申请日： | 2018-05-18 |
| 公开（公告）号： | CN108647741A | 公开（公告）日： | 2018-10-12 |
| 发明（设计）人： | 王云艳;罗冷坤;徐超 | 申请（专利权）人： | 湖北工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 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： | 王琪 |
| 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： | 本发明公开一种基于迁移学习的图像分类算法方法和系统，包括：步骤1，通过支持向量机利用特征相似已知训练集A来制作迁移网络的训练集B；步骤2，构造迁移学习网络；步骤3，将步骤1分类的训练集B作为迁移学习网络的训练学习集，通过训练得到鲁棒性较高、准确度较好地迁移学习网络模型；步骤4，将待分类的数据集引入训练好的迁移学习网络模型，得到最后的分类结果，并标注标签。本发明克服了深度学习对普通RGB图像训练时需要大样本数据集作为输入的要求，避免了训练过程中过拟合和局部最优解问题，相比传统分类算法，一定程度上提高了分类精度。 | ||
| 搜索关键词： | 迁移 训练集 学习 图像分类 网络模型 数据集 算法 分类 支持向量机 传统分类 分类结果 训练过程 训练学习 准确度 网络 大样本 鲁棒性 最优解 拟合 标注 标签 引入 制作 | ||
【主权项】：
1.一种基于迁移学习的图像分类方法，其特征在于，包括如下步骤：步骤1，通过支持向量机利用特征相似已知训练集A来制作迁移网络的训练集B，包括如下子步骤，步骤1a，提取训练集A的HOG特征；步骤1b，将训练集A的HOG特征导入支持向量机训练得到SVM训练模型，同时制作训练集A中各图像对应的标签；步骤1c，利用步骤1a的原理提取待制作图像集合的HOG特征，然后使用SVM训练模型进行分类得到训练集B；步骤2，构造迁移学习网络，网络结构为：输入层‑卷积层1‑激活层1‑池化层1‑卷积层2‑激活层2‑池化层2‑卷积层3‑激活层3‑卷积层4‑激活层4‑卷积层5‑激活层5‑池化层5‑全连接层6‑全连接层7‑softmax层‑classout层；步骤3，将步骤1分类的训练集B作为迁移学习网络的训练学习集，通过训练得到鲁棒性较高、准确度较好地迁移学习网络模型；步骤4，将待分类的数据集引入训练好的迁移学习网络模型，得到最后的分类结果，并标注标签。
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/201810478726.4/，转载请声明来源钻瓜专利网。
