[發明專利]一種隨機最大池化深度卷積神經網絡噪聲圖形分類方法有效
| 申請號： | 201811500515.2 | 申請日： | 2018-12-07 |
| 公開（公告）號： | CN109685119B | 公開（公告）日： | 2023-05-23 |
| 發明（設計）人： | 芮挺;費建超;楊成松;唐建;劉建青;芮思琦;齊奕;李華兵;田輝;劉好全;劉華麗;邵發明 | 申請（專利權）人： | 中國人民解放軍陸軍工程大學 |
| 主分類號： | G06V10/764 | 分類號： | G06V10/764;G06N3/0464 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 210014 江蘇省南京*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 隨機 最大 深度 卷積 神經網絡 噪聲 圖形 分類 方法 | ||
【權利要求書】：
1.一種隨機最大值池化深度卷積神經網絡噪聲圖形分類方法，其特征在于，首先對采集的實驗數據進行預處理，然后基于隨機最大值池化方法對深度卷積神經網絡進行模型訓練，最后利用訓練好的深度卷積神經網絡模型進行噪聲圖像分類，包括以下步驟：
1)將采集的實驗數據分成用于訓練模型的訓練集和用于檢測模型分類性能的測試集；
2)對訓練集和測試集進行數據預處理，具體為：
2.1)將訓練集和測試集中所有圖片尺寸變換成32×32；
2.2)對訓練集和測試集進行對比度歸一化處理；
2.3)對訓練集和測試集進行白化處理；
3)基于隨機最大值池化方法對深度卷積神經網絡進行訓練和檢測，具體為：
3.1)在實驗的基礎上，確定網絡結構及網絡參數如下：采用7層深度卷積神經網絡結構，包括4個卷積層和3個池化層，4個卷積層的特征圖數量依次為32×32×64×64，卷積核大小為4，池化尺寸為3×3，激活函數為ReLu，代價函數為Softmax；
3.2)利用訓練集，基于隨機最大值池化方法進行深度卷積神經網絡訓練；
所述隨機最大值池化方法具體為：
首先將感受野范圍內的所有值進行排序；然后選出前n個較大值；最后在所述前n個較大值中隨機選取一個值作為池化結果；
3.3)利用測試集對訓練出來的網絡模型進行測試，確定網絡性能；
4)利用訓練好的深度卷積神經網絡模型對含噪聲圖像進行分類。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國人民解放軍陸軍工程大學，未經中國人民解放軍陸軍工程大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811500515.2/1.html，轉載請聲明來源鉆瓜專利網。
