[發(fā)明專利]基于神經(jīng)網(wǎng)絡(luò)的圖像識別方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201310398873.8
• 申請日: 2013-09-04
• 公開（公告）號: CN103473558A
• 公開（公告）日: 2013-12-25
• 發(fā)明（設(shè)計(jì)）人: 翁凱劍;梁國遠(yuǎn);吳新宇;徐揚(yáng)生
• 申請（專利權(quán)）人: 深圳先進(jìn)技術(shù)研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/02
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 吳平

1.一種基于神經(jīng)網(wǎng)絡(luò)的圖像識別方法，包括：

步驟a，采集訓(xùn)練樣本圖像和類別，并將所述訓(xùn)練樣本圖像按照類別順序建立訓(xùn)練樣本集；

步驟b，設(shè)定預(yù)先建立的神經(jīng)網(wǎng)絡(luò)參數(shù)的初始值，所述神經(jīng)網(wǎng)絡(luò)包括輸入層、中間變量層和輸出層，所述中間變量層的節(jié)點(diǎn)包括各個(gè)輸出神經(jīng)元節(jié)點(diǎn)的興奮型變量節(jié)點(diǎn)和抑制型變量節(jié)點(diǎn)，所述中間變量層的各節(jié)點(diǎn)分別與所述輸入層的每個(gè)輸入神經(jīng)元節(jié)點(diǎn)通過可變權(quán)值連接，所述可變權(quán)值包括可變的長期權(quán)值和短期權(quán)值，所述輸出層的每個(gè)輸出神經(jīng)元節(jié)點(diǎn)分別與所述中間變量層中對應(yīng)的興奮型變量節(jié)點(diǎn)和抑制型變量節(jié)點(diǎn)相連接；

步驟c，根據(jù)所述訓(xùn)練樣本集對所述神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直到各個(gè)神經(jīng)元的可變權(quán)值的變動在預(yù)設(shè)允許范圍內(nèi)結(jié)束訓(xùn)練；

步驟d，利用完成訓(xùn)練的所述神經(jīng)網(wǎng)絡(luò)對待分類圖像進(jìn)行識別分類。

2.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)的圖像識別方法，其特征在于，在步驟c之后，步驟d之前，還包括：

步驟e，獲取測試圖像和分類精確度閾值，將所述測試圖像輸入所述神經(jīng)網(wǎng)絡(luò)進(jìn)行識別分類，判斷得到的分類精確度是否小于等于所述分類精確度閾值，若是，則執(zhí)行步驟d，若否，則重新設(shè)定所述神經(jīng)網(wǎng)絡(luò)參數(shù)的值進(jìn)行訓(xùn)練。

3.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)的圖像識別方法，其特征在于，所述參數(shù)包括用于調(diào)節(jié)長期權(quán)值和短期權(quán)值對輸出神經(jīng)元的影響比例的變量σ、隱藏變量的變化步長δ、權(quán)值的變化步長ρ、神經(jīng)元非線性函數(shù)的變化曲率a、偏移量s和隨訓(xùn)練次數(shù)變化的變量b。

4.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)的圖像識別方法，其特征在于，所述步驟c包括：

步驟c1，輸出神經(jīng)元反應(yīng)得到輸出響應(yīng)，對所述輸出響應(yīng)進(jìn)行競爭得到響應(yīng)最強(qiáng)的輸出神經(jīng)元作為獲勝神經(jīng)元；

步驟c2，根據(jù)所述獲勝神經(jīng)元按照預(yù)先設(shè)置的權(quán)值改變規(guī)則調(diào)整權(quán)值和參數(shù)值，再根據(jù)所述調(diào)整后的權(quán)值和參數(shù)值進(jìn)行訓(xùn)練，直到各個(gè)神經(jīng)元的可變權(quán)值的變動在預(yù)設(shè)允許范圍內(nèi)結(jié)束訓(xùn)練。

5.根據(jù)權(quán)利要求4所述的基于神經(jīng)網(wǎng)絡(luò)的圖像識別方法，其特征在于，所述步驟c1中所需的輸入變量X、中間變量Y_±和輸出響應(yīng)Y之間的關(guān)系公式如下：

Y_j＝Y(jié)_j+-Y_j-；

Yj±=sigmoid±(Σσ·min(xi±,WLij±)+(1-σ)·min(Xi±,WSij±)Σwij±;]]>

X_i+＝X_i,X_i-＝1-X_i；

sigmoid±(X)=11+e-a±(X-b±);]]>

bj+T+1=Yj+T-s,bj-T+1=Yj-T+s;]]>

其中，Y_j表示第j個(gè)輸出響應(yīng)；Y_j+表示第j個(gè)輸出響應(yīng)的興奮型變量；Y_j-表示第j個(gè)輸出響應(yīng)的抑制型變量；X_i表示第i個(gè)輸入變量；sigmoid是非線性函數(shù)；WL_ij+表示第i個(gè)輸入變量和第j個(gè)輸出響應(yīng)所對應(yīng)的興奮型的長期權(quán)值；WL_ij-表示第i個(gè)輸入變量和第j個(gè)輸出響應(yīng)所對應(yīng)的抑制型的長期權(quán)值；WS_ij+表示第i個(gè)輸入變量和第j個(gè)輸出響應(yīng)所對應(yīng)的興奮型的短期權(quán)值；WS_ij-表示第i個(gè)輸入變量和第j個(gè)輸出響應(yīng)所對應(yīng)的抑制型的短期權(quán)值；a_±表示神經(jīng)元非線性函數(shù)的變化曲率，且a₊和a_-初始值相等；b_±是隨訓(xùn)練次數(shù)變化的變量，且b₊和b_-初始值相等；T為訓(xùn)練次數(shù)；σ為用于調(diào)節(jié)長期權(quán)值和短期權(quán)值對輸出神經(jīng)元的影響比例的變量；s為偏移量；sigmoid₊采用a₊和b₊計(jì)算，sigmoid_-采用a_-和b_-計(jì)算得到；Y_j+采用sigmoid₊、X_i+、WL_ij+和WS_ij+計(jì)算得到；Y_j-采用sigmoid_-、X_i-、WL_ij-和WS_ij-計(jì)算得到；min是取最小值函數(shù)。