[發明專利]一種卷積神經網絡手寫體識別排序穩定性的效果評估系統及方法

有效

• 申請號: 201810261698.0
• 申請日: 2018-03-28
• 公開（公告）號: CN108960347B
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 崔天宇;司凌宇;廖名學
• 申請（專利權）人: 中國科學院軟件研究所
• 主分類號: G06K9/68
• 分類號: G06K9/68;G06N3/04
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 安麗

1.一種卷積神經網絡手寫體識別排序穩定性的效果評估系統，其特征在于，包括：卷積神經網絡手寫體識別模塊、參數估計模塊和不確定性計算模塊；

所述卷積神經網絡手寫體識別模塊，以手寫體樣本的圖片數據作為輸入數據，該數據通過卷積神經網絡卷積層進行卷積操作，經過不同卷積核的卷積運算后得到一系列特征矩陣，特征矩陣經池化層做池化操作，利用池化操作將數據量減小，同時提取原有的圖像特征，處理之后得到的數據為手寫體識別特征數據；經卷積神經網絡學習到的特征將輸入全連接層進行手寫體分類，得到手寫體所屬的各類概率統計信息；

所述參數估計模塊，根據對所述手寫體所屬的各類概率統計信息，估計出不確定性計算模塊所需參數，所述參數為手寫體識別系統排序結果的概率取值范圍，概率的不確定性程度與數據出現不確定性的概率；

所述不確定性計算模塊，利用參數估計模塊得到的參數，通過數據不確定性與數據關系不確定性關系式，得出卷積神經網絡手寫體識別排序的穩定性；

所述參數估計模塊中，通過統計的方式，估計出手寫體識別系統排序結果的概率取值范圍，概率的不確定性程度與數據出現不確定性的概率的具體過程如下：

(1)估計概率取值范圍n，首先確定每一類手寫體預測概率的取值范圍n，手寫體識別模塊輸出的每一類手寫體預測概率值為[0,1]上的值，取n＝1；

(2)估計概率的不確定性程度s，每次訓練時，對于每一類手寫體j的每一個樣本i，手寫體識別模塊為參數估計模塊輸出其屬于每個類別k的概率p_i,j,k，然后手寫體預測概率的不確定性大小其中y_i,j為第i類手寫體第i個樣本正確的標簽，其中為第i類手寫體第i個樣本第a個預測標簽，為參數為y_i,j的Delta函數；

(3)估計數據出現不確定性的概率p_E，當實際概率超過或低于真實概率τ時，認為出現了數據不確定性，

為參數為y_i,j的Delta函數，II(x)為標志函數。

2.根據權利要求1所述的卷積神經網絡手寫體識別排序穩定性的效果評估系統，其特征在于：所述卷積神經網絡手寫體識別模塊中，得到預測的手寫體概率具體如下：

所述卷積神經網絡CNN采用三層神經網絡，包含卷積層，池化層和全連接層；

卷積層以一個手寫體的4*4像素圖像作為輸入，通過卷積核進行卷積運算，經過兩個2*2的卷積核進行卷積運算后，變成兩個3*3的特征矩陣；

池化層采用MaxPooling，大小為2*2，步長為1，取每個窗口最大的數值重新，圖片的尺寸由3*3變為2*2；

全連接層：經池化層后的特征矩陣作為全連接層的輸入，通過softmax函數對其進行分類，得到預測的手寫體概率。

3.根據權利要求1所述的卷積神經網絡手寫體識別排序穩定性的效果評估系統，其特征在于：所述τ＝0.1。