[發明專利]基于混合深度可分離膨脹卷積的圖像分類模型及其分類方法

有效

• 申請號: 202011032957.6
• 申請日: 2020-09-27
• 公開（公告）號: CN112258431B
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 閆超;黃俊潔;陶陶
• 申請（專利權）人: 成都東方天呈智能科技有限公司
• 主分類號: G06T5/30
• 分類號: G06T5/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都佳劃信知識產權代理有限公司 51266
• 代理人: 幸偉山

1.基于混合深度可分離膨脹卷積的圖像分類模型，其特征在于，所述圖像分類模型構建過程如下：

從前至后將深度可分離膨脹卷積層、特征連接層、卷積層、批標準化層和修正線性單元層封裝成混合深度可分離膨脹卷積模塊；所述混合深度可分離膨脹卷積模塊中的深度可分離膨脹卷積層采用3個、且并行布設；

從前至后將卷積層、批量歸一化層、修正線性單元層、混合深度可分離膨脹卷積模塊、最大值池化層、壓平層、隨機失活層和全連接層封裝構成深度神經網絡的主干網絡；

對主干網絡的參數權重進行隨機初始化，并預設迭代次數和批量歸一化層的動量參數；采用隨機梯度下降法優化網絡模型的參數，重復迭代計算，直至損失值收斂，得到最優的網絡模型。

2.根據權利要求1所述的基于混合深度可分離膨脹卷積的圖像分類模型，其特征在于，所述混合深度可分離膨脹卷積模塊設置有8個，并按2、3、3進行分塊，且任一分塊后設置有一最大值池化層。

3.根據權利要求1所述的基于混合深度可分離膨脹卷積的圖像分類模型，其特征在于，所述混合深度可分離膨脹卷積模塊中從上至下的3個深度可分離膨脹卷積層的膨脹率依次取值為1、2、3，卷積核大小都為3×3，步長都為1。

4.根據權利要求3所述的基于混合深度可分離膨脹卷積的圖像分類模型，其特征在于，所述混合深度可分離膨脹卷積模塊中的卷積層的卷積核大小都為1×1，步長都為1。

5.根據權利要求1所述的基于混合深度可分離膨脹卷積的圖像分類模型，其特征在于，所述隨機失活層的失活率為0.5。

6.根據權利要求2所述的基于混合深度可分離膨脹卷積的圖像分類模型，其特征在于，任一所述最大值池化層的采樣核大小為2，步長為2。

7.根據權利要求1所述的基于混合深度可分離膨脹卷積的圖像分類模型，其特征在于，所述批量歸一化層的動量參數為0.975，學習率設為0.1。

8.根據權利要求1所述的基于混合深度可分離膨脹卷積的圖像分類模型，其特征在于，所述迭代次數取值為30000。

9.一種圖像分類方法，其特征在于，采用權利要求1～8任一項所述的基于混合深度可分離膨脹卷積的圖像分類模型進行分類。