[發(fā)明專利]一種基于稀疏正交神經(jīng)網(wǎng)絡(luò)的圖像分類方法

有效

• 申請?zhí)枺?/td>: 201910454323.0
• 申請日: 2019-05-29
• 公開（公告）號: CN110288002B
• 公開（公告）日: 2023-04-18
• 發(fā)明（設(shè)計）人: 沈項軍;袁旭
• 申請（專利權(quán)）人: 江蘇大學(xué)
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06N3/082;G06N3/084
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于稀疏正交神經(jīng)網(wǎng)絡(luò)的圖像分類方法，其特征在于，包括以下步驟：

步驟1，獲取圖像數(shù)據(jù)作為樣本集X和與之對應(yīng)的樣本標(biāo)簽集Y；

步驟2，先將樣本集X和標(biāo)簽集Y的訓(xùn)練集輸入稀疏正交神經(jīng)網(wǎng)絡(luò)模型，初始化代理變量V，根據(jù)正交權(quán)重W_orth和稀疏矩陣G獲得稀疏正交權(quán)重W_{orth_es}，再通過設(shè)定遍歷次數(shù)計算圖像樣本預(yù)測值跟真實值之間的損失Loss，反向傳播更新代理變量V后，直到輸出最優(yōu)的稀疏正交權(quán)重W_{orth_es}，從而獲得訓(xùn)練好的稀疏正交神經(jīng)網(wǎng)絡(luò)模型；

步驟3，再利用訓(xùn)練后的稀疏正交神經(jīng)網(wǎng)絡(luò)模型對測試集進(jìn)行處理輸出圖像的分類結(jié)果；

所述初始化代理變量V的方法為：對V做一個中心化處理：其中，1_d是一個全都是1的d維向量；

獲得正交權(quán)重W_orth的方法為：先構(gòu)建正交模型：

min_ptr((W-Vc)(W-Vc)^T)

s.t.W＝PVc?and?WW^T＝I

由正交模型得到P＝DΛ^-1/2D^T；

得到正交的權(quán)重W_orth為：W_orth＝PVc＝DΛ^-1/2D^TVc；其中，W為權(quán)重，I為單位矩陣，D為VcVc^T的特征向量矩陣，Λ為Vc?Vc^T特征值矩陣；

所述稀疏矩陣G表示為：

其中，λ為正則化參數(shù)，w_g為一組權(quán)重向量，w_g,i為一組權(quán)重向量中的單個元素；

獲得所述稀疏正交權(quán)重W_{orth_es}的方法為：在正交模型中添加稀疏矩陣G，使得正交模型變的稀疏，表示如下：

min_ptr((WG-Vc)(WG-Vc)^T)

s.t.WG＝PVc?and?WG²W^T＝I

由于W＝w_g,iG^-1；將正交的權(quán)重W_orth代入上式，得到稀疏正交權(quán)重W_{orth_es}表達(dá)式：

所述損失Loss的計算方法為：Loss＝F(Y_predict,Y)；其中，Y_predict為預(yù)測標(biāo)簽結(jié)果，Y為真實值；

所述反向傳播更新代理變量V的方法為：

其中，L為損失Loss，V為代理變量。

2.根據(jù)權(quán)利要求1所述的一種基于稀疏正交神經(jīng)網(wǎng)絡(luò)的圖像分類方法，其特征在于，所述步驟3的處理過程為：根據(jù)Y_predict＝W_{orth_es}^TX_test，獲得圖像測試集的預(yù)測標(biāo)簽結(jié)果Y_predict，從而實現(xiàn)對圖像的分類。