[发明专利]基于校对网络的卷积神经网络图像分类方法

摘要

本发明公开一种基于校对网络的卷积神经网络图像分类方法，在传统单结构的卷积神经网络基础上构建一个反卷积运算网络作为校对网络，校对网络的第一个反卷积层连接工作网络的校对层，校对网络的校对向量输出层与所述工作网络的特征值尾层经比对函数连接，所述校对层为所述工作网络的任意卷积层或全连接层，所述特征值尾层为输出分类向量或分类结果的一层，校对结果从所述特征值尾层开始从后往前倒序调节工作网络每个网络层参数。有益效果：利用反卷积对卷积神经网络运算过程中的图像数据进行还原，还原的结果与卷积神经网络的处理结果进行比对，若出现误差，则把误差反馈给原有卷积神经网络，使之得到更好的训练学习，从而提高图像处理的准确度。

主权项

1.一种基于校对网络的卷积神经网络图像分类方法，其特征在于：S1，构建卷积神经网络，所述卷积神经网络设置有工作网络和校对网络，所述工作网络用于输入图像并输出图像分类，所述校对网络用于校对所述工作网络；所述工作网络至少设置有a个卷积层、b个全连接层和1个softmax层；所述校对网络为反卷积运算网络，即所述校对网络设置有n个反卷积层、1个校对向量输出层，所述校对网络的第一个反卷积层连接所述工作网络的校对层，所述校对向量输出层与所述工作网络的特征值尾层经比对函数连接；所述校对层为所述工作网络的任意卷积层或全连接层，所述特征值尾层为所述工作网络输出分类向量或分类结果的一层；S2，输入训练图像至所述卷积神经网络，完成所述卷积神经网络训练：S2.1，所述训练图像经所述工作网络各卷积层卷积计算得到待校对向量Ia；S2.2，所述工作网络的校对层数据经所述校对网络反卷积计算得到校对向量Ib；S2.3，所述校对网络根据比对函数对所述校对向量Ib与所述待校对向量Ia进行比对，获得比对结果，该比对结果即为校对差量；S2.4，所述校对网络将所述步骤S2.3的比对结果反馈至所述工作网络的特征值尾层；S2.5，所述工作网络从所述特征值尾层开始从后往前倒序调节每个网络层参数；S2.6，返回步骤S2.1直到训练精度恒定，完成卷积神经网络训练；S3，输入待分类图像至所述卷积神经网络，获得分类结果；S4，所述卷积神经网络输出所述待分类图像的分类结果。