[發明專利]一種基于遺傳算法的CNN圖像分類方法及系統

在審

• 申請號: 202010838921.0
• 申請日: 2020-08-19
• 公開（公告）號: CN112085070A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 彭浩
• 申請（專利權）人: 北京影譜科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/12;G06N3/04
• 代理公司: 北京萬思博知識產權代理有限公司 11694
• 代理人: 高鎮

本申請提供了一種基于遺傳算法的CNN圖像分類方法及系統，在本申請提供的方法中，先獲取待分類圖像；然后在預設搜索空間中尋找與待分類圖像對應的神經網絡的多個網絡超參數；再將多個網絡超參數進行組合，創建適合待分類圖像的CNN模型；最后通過待分類圖像的CNN模型對待分類圖像進行分類，并輸出圖像分類結果。基于本申請提供的基于遺傳算法的CNN圖像分類方法及系統，針對給定的圖像處理任務快速地探索合適地CNN架構并同時優化其超參，加快參數地收斂速度，提高準確性。

技術領域

本申請涉及圖像分類技術領域，特別是涉及一種基于遺傳算法的CNN圖像分類方法及系統。

背景技術

識別是我們打出生便開始學習的技能之一，對成人來說更是信手拈來，毫不費力，只需一眼便能快速識別我們所處的環境以及環繞在我們身邊的物體。當我們看到一張圖片或是環看四周的時候，無需刻意觀察，多數時候也能立即描述出場景特征并標記出每一個對象。快速識別不同模式、根據早前知識進行歸納、以及適應不同的圖像環境一直都是人類的專屬技能，機器尚未享有。

目前，隨著科技的不斷提升，基于機器的圖像分類技術也在逐漸提升。圖像分類是對輸入圖像的操作，最終輸出一組最好地描述了圖像內容的分類(如貓、狗等)或分類的概率。現階段，圖像分類廣泛應用于圖標識別、圖像理解、圖像檢索等各個領域。近年來，隨著深度學習在圖像處理領域獲得突破性進展，利用深度學習進行圖像分類已成為一項研究熱點。

卷積神經網絡(Convolutional Neural Network，簡稱CNN)從視覺皮層的生物學上獲得啟發，一個系統中的特定組件有特定任務的觀點(視覺皮層的神經元細胞尋找特定特征)在機器中同樣適用，這就是CNN的基礎。但是現有方法在設計CNN架構時，需要由經驗豐富的研究人員手工設計，確定它的深度，步長，超參等等，非常耗時。

發明內容

本申請的目的在于克服上述問題或者至少部分地解決或緩減解決上述問題。

根據本申請的一個方面，提供了一種基于遺傳算法的CNN圖像分類方法，包括：

獲取待分類圖像；

在預設搜索空間中尋找與所述待分類圖像對應的神經網絡的多個網絡超參數；

將多個所述網絡超參數進行組合，創建適合所述待分類圖像的CNN模型；

通過所述待分類圖像的CNN模型對所述待分類圖像進行分類，并輸出圖像分類結果。

可選地，所述在預設搜索空間中尋找與所述待分類圖像對應的神經網絡的多個網絡超參數，包括：

基于遺傳算法在預設搜索空間中尋找并輸出與所述待分類圖像對應的神經網絡的多個網絡超參數；

其中，所述網絡超參數包括網絡層的數量、特征圖映射的數量、學習率、權重衰減因子和/或動量。

可選地，所述基于遺傳算法在所述預設搜索空間中尋找并輸出與所述待分類圖像對應的神經網絡的多個網絡超參數，包括：

在所述預設搜索空間隨機選擇參數在設定范圍內的多個個體；所述個體的編碼具有預設架構的超參數和CNN模型；

根據多個所述個體創建所述待分類圖像的初始種群；其中，所述初始種群為CNN模型的集合；

基于遺傳算法對所述初始種群進行反復迭代，在所述預設搜索空間中尋找并輸出所述待分類圖像的多個網絡超參數。

可選地，所述基于遺傳算法對所述初始種群進行反復迭代，在所述預設搜索空間中尋找并輸出所述待分類圖像的多個網絡超參數，包括：

設置預定義的最大代數；