[發明專利]基于密集連接殘差網絡的圖像分類方法

在審

• 申請號: 201910135688.7
• 申請日: 2019-02-21
• 公開（公告）號: CN109978003A
• 公開（公告）日: 2019-07-05
• 發明（設計）人: 王永雄;嚴龍;宋天中;張震
• 申請（專利權）人: 上海理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海天協和誠知識產權代理事務所 31216
• 代理人: 沈國良

1.一種基于密集連接殘差網絡的圖像分類方法，其特征在于本方法包括如下步驟：

步驟一、對輸入圖片進行數據預處理，并擴充圖片數據量；

步驟二、將圖片輸入到密集連接殘差網絡提取圖像特征，密集連接殘差網絡由一個小型密集連接網絡和一個殘差結構組成，在密集連接殘差網絡中，串聯操作將網絡內的所有卷積層的輸出特征圖串聯之后再輸入到殘差函數中；

步驟三、將提取到的圖像特征輸入到Softmax分類器，得出圖片分類結果。

2.根據權利要求1所述的基于密集連接殘差網絡的圖像分類方法，其特征在于：所述數據預處理將所有樣本均減去整個數據集樣本的均值和方差，使得模型的收斂更快；所述擴充圖片數據量將圖片隨機的翻轉和旋轉訓練，以擴充數據的多樣性，使得模型學習更具代表的特征。

3.根據權利要求1所述的基于密集連接殘差網絡的圖像分類方法，其特征在于：所述密集連接殘差網絡采用下式表示：

y_l＝y_l-1+F(H_d([y₀，...，y_d])，[W₀，...，W_d])

其中y_l-1和y_l分別為網絡的第l個密集連接殘差結構的輸入和輸出，[y₀，...，y_d][y₀，...，y_d]表示密集連接殘差網絡內部所有的卷積層，[W₀，...，W_d]表示密集連接殘差網絡內部每個卷積層對應的權重參數。

4.根據權利要求1所述的基于密集連接殘差網絡的圖像分類方法，其特征在于：所述Softmax分類器的圖片分類操作中，Softmax分類器輸出的是每一個樣本屬于各個類別的概率，損失函數的表達式如下式所示：

其中，x_i表示輸出層第i個神經元的輸入，θ為學習參數。