[發(fā)明專利]基于D-MobileNet神經(jīng)網(wǎng)絡(luò)的圖像分類方法

有效

• 申請?zhí)枺?/td>: 201810465364.5
• 申請日: 2018-05-16
• 公開（公告）號: CN109214406B
• 公開（公告）日: 2021-07-09
• 發(fā)明（設(shè)計）人: 王威;鄒婷;王新
• 申請（專利權(quán)）人: 長沙理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于D?MobileNet(Dilated?Mobilenet)神經(jīng)網(wǎng)絡(luò)圖像分類的方法。通過將空洞卷積與MobileNet進行結(jié)合，通過提高高分辨率輸入層的卷積核感受野，提高輸出特征的質(zhì)量，且不增加網(wǎng)絡(luò)的參數(shù)數(shù)量，使得該網(wǎng)絡(luò)結(jié)構(gòu)提高分類精度。包括以下步驟：1)準備數(shù)據(jù)集；2)搭建MobileNet網(wǎng)絡(luò)；3)搭建D?MobileNet網(wǎng)絡(luò)；4)超參數(shù)設(shè)置。將模型訓練好后，利用訓練好的卷積神經(jīng)網(wǎng)絡(luò)模型對驗證集圖片進行驗證，完成分類預測。實驗結(jié)果表明：本發(fā)明能取得比MobileNet網(wǎng)絡(luò)更好的分類精度。

技術(shù)領(lǐng)域

本發(fā)明設(shè)計涉及圖像分類領(lǐng)域。

本發(fā)明是基于D-MobileNet(Dilated-Mobilenet)神經(jīng)網(wǎng)絡(luò)的圖像分類方法，由于深度神經(jīng)網(wǎng)絡(luò)其自身是一種內(nèi)存密集性和高計算密集型的模型，MobileNet這種輕量級的深度卷積網(wǎng)絡(luò)，通過改變卷積計算方式，可減少網(wǎng)絡(luò)的參數(shù)數(shù)量和計算量，但是精度會有些損失，本發(fā)明通過加入空洞卷積，來提高MobileNet的分類精度。

背景技術(shù)

圖像分類是深度學習最早的應用領(lǐng)域，且已在圖像分類領(lǐng)域取得了很好的成績。從AlexNet到VGG，GoogleNet，ResNet等均在視覺領(lǐng)域競賽上取得很好的成績。隨著神經(jīng)網(wǎng)絡(luò)的分類精度越來越高，神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)也更深、更復雜。隨之而來的是數(shù)百萬甚至數(shù)十億的參數(shù)和大量的內(nèi)存，且其大量的計算量需依賴GPU來實現(xiàn)。故提出了壓縮神經(jīng)網(wǎng)絡(luò)的方法，即在盡量損失較少分類精度的前提下，減少參數(shù)數(shù)量和計算量。而MobileNet神經(jīng)網(wǎng)絡(luò)是眾多壓縮方法中的一種，即通過改變網(wǎng)絡(luò)結(jié)構(gòu)實現(xiàn)參數(shù)和計算量的減少。

MobileNet通過使用深度可分離的卷積來構(gòu)建輕量級的深度神經(jīng)網(wǎng)絡(luò)。其基本結(jié)構(gòu)為深度可分離卷積核(depthwise separable filtes)，該卷積核由深度卷積核(depthwise convolution filters)和點卷積核(point convolution filter)組成。該網(wǎng)絡(luò)通過這種結(jié)構(gòu)，將本來一個參數(shù)為a*a*c的標準卷積核變?yōu)閍*a+c個參數(shù)(標準卷積核大小為a*a，深度為c)。本專利通過在現(xiàn)有的MobileNet神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與空洞卷積結(jié)合，提高分類精度。

現(xiàn)有的神經(jīng)網(wǎng)絡(luò)圖像分類近似的專利有專利[1]，通過改進自適應遺傳算法的神經(jīng)網(wǎng)絡(luò)圖像分類方法，此專利較好的避免了遺傳算法的“早熟”收斂，提高了網(wǎng)絡(luò)的泛化能力和圖像的正確分類率。專利[2]基于線性判別分析準則的改進卷積神經(jīng)網(wǎng)絡(luò)性能的方法，此專利通過對選定的卷積層進行線性判別分析準則的正則約束，可提高卷積神經(jīng)網(wǎng)絡(luò)圖像分類的精度。本發(fā)明與專利[1]和專利[2]采用不同的神經(jīng)網(wǎng)絡(luò)模型，本發(fā)明是在MobileNet輕量級的深度卷積神經(jīng)網(wǎng)絡(luò)上進行改進，與空洞卷積結(jié)合，通過提高卷積核感受野，來提高訓練特征質(zhì)量，進一步提高網(wǎng)絡(luò)模型分類精度。

[1]基于改進自適應遺傳算法的神經(jīng)網(wǎng)絡(luò)圖像分類方法，申請?zhí)?專利：CN201510846339.8，發(fā)明設(shè)計人：劉芳；馬玉磊；黃光偉；周慧娟。

[2]基于線性判別分析準則的改進卷積神經(jīng)網(wǎng)絡(luò)性能的方法，申請?zhí)?專利號：CN201510566529.4，發(fā)明設(shè)計人：龔怡宏；石偉偉；王進軍；張世周。

發(fā)明內(nèi)容

本發(fā)明公開了一種基于D-MobileNet神經(jīng)網(wǎng)絡(luò)圖像分類方法，具體如下：

一種基于D-MobileNet神經(jīng)網(wǎng)絡(luò)圖像分類方法，其特征在于，所述方法包括如下步驟：

S1、準備數(shù)據(jù)集；

S2、MobileNet神經(jīng)網(wǎng)絡(luò)的構(gòu)建；

S3、D-MobileNet神經(jīng)網(wǎng)絡(luò)的構(gòu)建；

S4、超參數(shù)設(shè)置；