[发明专利]一种基于卷积神经网络二氧化钛晶格相的分类方法

摘要

本发明公开了一种基于卷积神经网络二氧化钛晶格相的分类方法。该设计方法包括：步骤一、采集数据集：步骤二、对步骤一采集到的数据集进行分割；步骤三、通过步骤二分割后的数据集建立卷积神经网络模型；步骤四、通过步骤二分割后的验证集优化模型参数；步骤五、多模型融合；1)、建立多个步骤三中的卷积神经网络模型，其中模型的卷积核和填充层参数选择是不同的，对数据集进行预测，保存并记录结果；2)、对多个模型的最终结果进行加权平均，每个模型的权重通过其在测试集的表现上来确定；步骤六、测试最终结果。该方法能帮助科研人员节省判断图像种类的时间，加快科研进度。

主权项

1.一种基于卷积神经网络二氧化钛晶格相的分类方法，其特征在于：该方法包括如下步骤：步骤一、采集数据集：采集透射电子显微镜下二氧化钛不同晶格相的图片，并进行人工标注，即标记出图片所属的晶格相，一个标记好的图片称为样本；所有样本包含的晶格相的总的类别个数记为num_classes；将采集到的所有二氧化钛不同晶格相的数据统称为数据集；步骤二、对步骤一采集到的数据集进行分割；1)、第一种分割方法，传统的数据分割方法：将步骤一采集到数据集的70％作为训练集，20％作为验证集，10％作为测试集；2)、第二种分割方法：将步骤一采集到数据集80％作为训练集，20％作为测试集，对训练集做K折交叉验证；步骤三、通过步骤二分割后的数据集建立卷积神经网络模型，卷积神经网络模型的基本结构由输入层，卷积层，填充层，池化层，dropout层，全连接层，softmax层组成，通过softmax层计算得到最终结果；步骤四、通过步骤二分割后的验证集优化模型参数；步骤五、多模型融合；1)、建立多个步骤三中的卷积神经网络模型，其中模型的卷积核和填充层参数选择是不同的，对数据集进行预测，保存并记录结果；2)、对多个模型的最终结果进行加权平均，每个模型的权重通过其在测试集的表现上来确定；步骤六、测试最终结果。