[發(fā)明專利]一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的大規(guī)模圖像分類方法在審
| 申請?zhí)枺?/td> | 201910851853.9 | 申請日： | 2019-09-10 |
| 公開（公告）號： | CN110728352A | 公開（公告）日： | 2020-01-24 |
| 發(fā)明（設(shè)計）人： | 張萌;李嬌杰;李國慶;呂鋒;段斌 | 申請（專利權(quán)）人： | 東南大學(xué) |
| 主分類號： | G06N3/04 | 分類號： | G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 32204 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) | 代理人： | 徐紅梅 |
| 地址： | 214000 江*** | 國省代碼： | 江蘇;32 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 卷積 圖像 卷積神經(jīng)網(wǎng)絡(luò) 訓(xùn)練圖像集 測試圖像 輸出特征 圖像分類 歸一化指數(shù) 圖像數(shù)據(jù)集 圖像輸入 訓(xùn)練圖像 連接層 池化 分類 全局 | ||
1.一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的大規(guī)模圖像分類方法，其特征在于，包括以下步驟：
(1)將大規(guī)模圖像數(shù)據(jù)集分為訓(xùn)練圖像集和測試圖像集；
(2)使用標(biāo)準(zhǔn)卷積操作對訓(xùn)練圖像集進(jìn)行卷積操作，得到標(biāo)準(zhǔn)卷積后的圖像；
(3)對步驟(2)得到的標(biāo)準(zhǔn)卷積后的圖像采用PSD卷積塊進(jìn)行操作，得到PSD卷積后的圖像；
(4)將步驟(3)得到的PSD卷積后的圖像經(jīng)過全局平均池化層，得到1×1的輸出特征圖像；
(5)將步驟(4)得到的1×1的輸出特征圖像通過全連接層，最后接入一個歸一化指數(shù)函數(shù)層完成對訓(xùn)練圖像的分類，即得到PSDNet卷積神經(jīng)網(wǎng)絡(luò)模型；
(6)將測試圖像集中的圖像輸入至經(jīng)過步驟(2)-(5)后得到的PSDNet卷積神經(jīng)網(wǎng)絡(luò)模型中，完成圖像分類。
2.根據(jù)權(quán)利要求1所述的一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的大規(guī)模圖像分類方法，其特征在于，步驟(1)中訓(xùn)練圖像集中圖像尺寸為n×n，n≥16。
3.根據(jù)權(quán)利要求1所述的一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的大規(guī)模圖像分類方法，其特征在于，步驟(2)中標(biāo)準(zhǔn)卷積操作的卷積核尺寸為k×k，k≥3，輸出通道為16m，m≥1，步長為s0，s0≥1，輸出標(biāo)準(zhǔn)卷積后的圖像尺寸為n/s0×n/s0。
4.根據(jù)權(quán)利要求1所述的一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的大規(guī)模圖像分類方法，其特征在于，步驟(3)包括以下步驟：
(3-1)將步驟(2)得到的標(biāo)準(zhǔn)卷積后的圖像經(jīng)過N1個PSD卷積塊，N1≥1，PSD卷積塊中三個卷積層的輸出通道數(shù)分別為16m、16m、64m，在第一個PSD卷積塊中3×3標(biāo)準(zhǔn)卷積操作的步長為s1，s1≥1，其余卷積層的步長為1，輸出特征圖像尺寸為n/(s0·s1)×n/(s0·s1)；
(3-2)將步驟(3-1)得到的輸出特征圖像經(jīng)過N2個PSD卷積塊，N2≥1，PSD卷積塊中三個卷積層的輸出通道數(shù)分別為32m、32m、128m，在第一個PSD卷積塊中3×3標(biāo)準(zhǔn)卷積操作的步長為s2，s2≥1，其余卷積層的步長為1，輸出特征圖像尺寸為n/(s0·s1·s2)×n/(s0·s1·s2)；
(3-3)將步驟(3-2)得到的輸出特征圖像經(jīng)過N3個PSD卷積塊，N3≥1，PSD卷積塊中三個卷積層的輸出通道數(shù)分別為64m、64m、256m，在第一個PSD卷積塊中3×3標(biāo)準(zhǔn)卷積操作的步長為s3，s3≥1，其余卷積層的步長為1，輸出特征圖尺寸為n/(s0·s1·s2·s3)×n/(s0·s1·s2·s3)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于東南大學(xué)，未經(jīng)東南大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/201910851853.9/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 卷積運(yùn)算處理方法及相關(guān)產(chǎn)品
- 一種卷積神經(jīng)網(wǎng)絡(luò)的計算方法及系統(tǒng)
- 卷積運(yùn)算方法及系統(tǒng)
- 卷積運(yùn)算方法、裝置及系統(tǒng)
- 深度神經(jīng)網(wǎng)絡(luò)裁剪方法、裝置及電子設(shè)備
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法和圖像處理裝置
- 卷積神經(jīng)網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法
- 一種圖像處理方法、裝置以及計算機(jī)存儲介質(zhì)
- 用于卷積神經(jīng)網(wǎng)絡(luò)的卷積運(yùn)算裝置
- 基于FPGA實(shí)現(xiàn)圖像識別的方法、裝置、設(shè)備及存儲介質(zhì)
- 彩色圖像和單色圖像的圖像處理
- 圖像編碼/圖像解碼方法以及圖像編碼/圖像解碼裝置
- 圖像處理裝置、圖像形成裝置、圖像讀取裝置、圖像處理方法
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序以及圖像解碼程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序、以及圖像解碼程序
- 圖像形成設(shè)備、圖像形成系統(tǒng)和圖像形成方法
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 終端卷積神經(jīng)網(wǎng)絡(luò)的處理方法、裝置、存儲介質(zhì)及處理器
- 一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像深度估計方法
- 卷積神經(jīng)網(wǎng)絡(luò)的生成方法及裝置
- 一種卷積神經(jīng)網(wǎng)絡(luò)硬件模塊部署方法
- 卷積神經(jīng)網(wǎng)絡(luò)的處理方法、裝置、設(shè)備及存儲介質(zhì)
- 一種卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法及裝置
- 一種基于通道數(shù)搜索卷積神經(jīng)網(wǎng)絡(luò)的方法
- 卷積神經(jīng)網(wǎng)絡(luò)處理方法、裝置和電子系統(tǒng)
- 一種基于空洞卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的聲音事件檢測方法
- 基于稀疏卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法及檢測裝置
- 基于圖像分塊的自適應(yīng)特征提取方法
- 圖像增強(qiáng)模型的訓(xùn)練、圖像增強(qiáng)方法、裝置和存儲介質(zhì)
- 圖像分割模型訓(xùn)練方法、圖像分割方法、裝置及電子設(shè)備
- 訓(xùn)練集的獲取方法、裝置及電子設(shè)備
- 圖像處理方法、裝置、設(shè)備及其訓(xùn)練方法
- 一種新的圖像數(shù)據(jù)擴(kuò)充方法、系統(tǒng)、終端及存儲介質(zhì)
- 面向fMRI視覺分類的零次學(xué)習(xí)方法
- 訓(xùn)練樣本生成方法、圖像分割方法、裝置、設(shè)備和介質(zhì)
- 一種基于最優(yōu)訓(xùn)練集的深度學(xué)習(xí)圖像分類方法及系統(tǒng)
- 圖像處理模型的訓(xùn)練方法和裝置、白平衡處理方法和裝置
