[发明专利]一种基于稀疏正交神经网络的图像分类方法

摘要

本发明公开了一种基于稀疏正交神经网络的图像分类方法，将获取图像数据作为样本集X和与之对应的样本标签集Y；先将样本集X和标签集Y的训练集输入稀疏正交神经网络模型，初始化代理变量V，根据正交权重Worth和稀疏矩阵G获得稀疏正交权重Worth_es，再通过设定遍历次数计算图像样本预测值跟真实值之间的损失Loss，反向传播更新代理变量V后，直到输出最优的稀疏正交权重Worth_es，从而获得训练好的稀疏正交神经网络模型；再利用训练后的稀疏正交神经网络模型对测试集进行处理输出图像的分类结果。本发明引入了稀疏矩阵，从而构造出稀疏权重，再运用稀疏权重实现网络的剪枝，减少网络中的参数使用，从而进行了模型的压缩，减少了计算机内存的使用，降低了模型训练时计算机的计算量。

主权项

1.一种基于稀疏正交神经网络的图像分类方法，其特征在于，包括以下步骤：步骤1，获取图像数据作为样本集X和与之对应的样本标签集Y；步骤2，先将样本集X和标签集Y的训练集输入稀疏正交神经网络模型，初始化代理变量V，根据正交权重W_orth和稀疏矩阵G获得稀疏正交权重W_{orth_es}，再通过设定遍历次数计算图像样本预测值跟真实值之间的损失Loss，反向传播更新代理变量V后，直到输出最优的稀疏正交权重W_{orth_es}，从而获得训练好的稀疏正交神经网络模型；步骤3，再利用训练后的稀疏正交神经网络模型对测试集进行处理输出图像的分类结果。