[发明专利]基于深度卷积神经网络的类别不平衡的图像分类方法在审
| 申请号： | 201810866743.5 | 申请日： | 2018-08-01 |
| 公开（公告）号： | CN109102014A | 公开（公告）日： | 2018-12-28 |
| 发明（设计）人： | 郑海永;刘静;杜昂昂;俞智斌 | 申请（专利权）人： | 中国海洋大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 成都时誉知识产权代理事务所(普通合伙) 51250 | 代理人： | 陈千 |
| 地址： | 266100 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于深度卷积神经网络的类别不平衡图像分类方法，选取原始数据集中的小类别的样本图像，得到原始小类别样本图像训练集；将所述原始小类别样本图像训练集输入到生成对抗网络中生成小类别的生成图像样本，将所述生成图像样本加入到所述原始小类别样本图像训练集中，得到生成的小类别样本图像训练集；利用所述原始小类别样本图像训练集对图像分类网络进行训练；利用所述生成的小类别样本图像训练集对步骤S3训练后的图像分类网络进行训练；通过训练后的最优图像分类网络对输入图像进行类别分类。本发明在只使用单一不平衡数据集的情况下就能实现对于小类别样本较好的分类效果，大大提高了数据集类别不平衡情况下图像分类的准确率。 | ||
| 搜索关键词： | 类别样本 图像训练集 图像分类 卷积神经网络 生成图像 数据集 小类 网络 样本 分类效果 类别分类 输入图像 图像训练 样本图像 原始数据 准确率 对抗 分类 | ||
【主权项】：
1.一种基于深度卷积神经网络的类别不平衡图像分类方法，其特征在于，包括如下步骤：S1：选取原始数据集中的小类别的样本图像，通过数据增强方法增加所述小类别的样本图像的数量，得到原始小类别样本图像训练集；S2：将所述原始小类别样本图像训练集输入到生成对抗网络中生成小类别的生成图像样本，将所述生成图像样本加入到所述原始小类别样本图像训练集中，得到生成的小类别样本图像训练集；S3：利用所述原始小类别样本图像训练集对图像分类网络进行训练；S4：利用所述生成的小类别样本图像训练集对步骤S3训练后的图像分类网络进行训练；S5：通过步骤S4训练后的最优图像分类网络对输入图像进行类别分类。
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中国海洋大学，未经中国海洋大学许可，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/201810866743.5/，转载请声明来源钻瓜专利网。
