[發明專利]一種基于塑性卷積神經網絡的可擴展類別的圖像識別方法

有效

• 申請號: 201911039729.9
• 申請日: 2019-10-29
• 公開（公告）號: CN110781968B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 王戟;楊文婧;楊紹武;黃達;徐利洋;黃萬榮;胡亞清;劉向陽;沙建松;顏豪杰;梁卓
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06V10/74
• 分類號: G06V10/74;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 國防科技大學專利服務中心 43202
• 代理人: 王文惠

本發明屬于圖像識別領域，公開了一種基于塑性卷積神經網絡的可擴展類別的圖像識別方法。本發明通過構造一個具有元學習的能力的卷積塑性神經網絡，并針對應用所需，管理、建立相應的待識別類別庫，結合塑性神經網絡，利用待識別庫作數據支撐，使用循環判定的方法，對輸入圖片進行識別并返回識別結果。本發明解決了傳統的目標識別方法的可識別類別的擴展性的問題，其優勢在于當有未知類別需要識別時，只需要將該未知類別的一張或幾張圖片樣本存儲至待識別類別庫中，而無需重新訓練神經網絡或調整識別算法，且對于樣本的需求量要小于傳統方法。

技術領域

本發明屬于圖像識別領域，涉及目標圖像識別的計算方法，尤其是卷積神經網絡與塑性神經網絡相結合的具有元學習能力的目標識別方法，并利用該方法實現可擴展類別的圖像識別。

背景技術

圖像識別技術和方法是當今時代信息化產業下的產物，同時也是計算機視覺和數字圖像處理研究領域下的一個非常熱門的研究方向，圖像識別技術在當今世界的軍事、醫療、民用領域都有著非常廣泛的應用，在機器人導航系統中、無人駕駛技術、智能視頻的監控、工業產品檢測與生產過程監控、航空航天等諸多領域內，圖像識別技術都是不可缺少的。因此，圖像識別也成為當今世界理論上和應用上的研究熱點，同時它也是圖像處理和計算機視覺學科的重要分支?？偟膩碚f，其目的是為了讓計算機代替人類去處理大量的物理信息，特別是來自圖片的信息。同時，隨著神經網絡算法的興起和高速發展，使用各種神經網絡方法進行圖片識別已經成為了一種主流而有效的研究手段。近年來，在目前的公開測試結果中幾乎所有的最佳識別效果均是由各種神經網絡結構實現的，該方法已經成為了圖片識別的重要手段。

當前進行圖片識別的神經網絡架構基本都采用了基于卷積神經網絡原理的計算方法，包括大量的商業化的ORC識別技術、人臉識別技術、物體識別技術等?；诰矸e神經網絡的各種變種架構在識別原理上與卷積神經網絡學習的過程一致，即先學習后判斷?；诰矸e神經網絡的圖像識別方法在學習環節中，其本質上都是利用鏈式求導計算損失函數對每個權重的偏導數(梯度)，然后根據梯度下降公式更新權重，即網絡中的各個參數。通常這一過程中需要輸入大量的相關圖片數據用于對具體的類別進行學習，即通過預定義的圖片訓練數據庫進行訓練學習，利用習得的所有類別的特征進行圖像識別。因此，如果要學習分辨幾種類別的圖像則必須獲取這幾種類別的大量樣本圖片進行學習，在學習完成之后，可以利用學得的神經網絡對這幾種類別進行識別。該類方法的局限性就在于，如果需要使用該類算法來識別某一種類別的圖片，需要先獲取大量的該類別的樣本圖片進行訓練，同時，訓練結束之后神經網絡參數便固定下來了，因此該算法只能識別參與訓練了的固定的那幾個類別。

因此，針對具有廣泛應用背景的基于神經網絡的圖片識別方法，如何結合這類計算過程的特點設計新的網絡結構和方法，使得網絡具有可擴展類別的識別能力，并且只需要待識別類別的少量樣本，已成為該領域亟需解決的關鍵問題。

發明內容

本發明要解決的技術問題是：針對神經網絡方法進行圖片識別需要先獲取大量的該類別的樣本圖片以進行訓練，且算法只能識別參與訓練的固定的幾個類別的問題，本發明提供一種基于塑性卷積神經網絡的可擴展類別的圖像識別方法，本方法采用塑性網絡和卷積神經網絡相結合的結構及循環判定相結合的方式，可以在只有少量樣本的情況下，對多個不固定的類別進行圖片識別。本發明的技術方案是：

一種基于塑性卷積神經網絡的可擴展類別的圖像識別方法，包括以下步驟：

第一步，基于卷積神經網絡和塑性神經網絡，構造一個具有元學習能力的卷積塑性神經網絡，其中，卷積塑性神經網絡由11層結構組成，最前和最后分別為輸入層和輸出層，第2-9層為卷積池化層交替結構組成，第10層為由塑性網絡層構造的classification層；卷積塑性神經網絡通過對圖片數據的學習能夠學會如何學習(由塑性網絡層賦予的能力)，從而通過一個類別的1張或幾張圖片就能習得該類別的特征，實現從幾個類別中找到與待識別圖片最相似的類別；其包含以下兩個步驟：

(1.1)建立一個塑性神經網絡用于數據計算；