[發(fā)明專利]一種基于AlexNet網(wǎng)絡的強化訓練方法

在審

• 申請?zhí)枺?/td>: 202011406775.0
• 申請日: 2020-12-04
• 公開（公告）號: CN112508189A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設計）人: 仲偉波;林偉;馮友兵;張瑩瑩;李浩東;齊國慶;袁毓;杜運本
• 申請（專利權）人: 江蘇科技大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04;G06K9/62
• 代理公司: 南京正聯(lián)知識產(chǎn)權代理有限公司 32243
• 代理人: 杭行

1.一種基于AlexNet網(wǎng)絡的強化訓練方法，其特征在于，當網(wǎng)絡完成一次前向傳播后，將網(wǎng)絡的輸出結(jié)果與該圖像對應的標簽對比，若網(wǎng)絡輸出結(jié)果與標簽不同則累加該圖像的錯分類的次數(shù)；當網(wǎng)絡Epoch次數(shù)大于等于K次時，對訓練集中圖像的錯判次數(shù)進行從大到小進行排序，并根據(jù)排序結(jié)果將被AlexNet網(wǎng)絡錯分類次數(shù)前N的圖像進行n倍的數(shù)據(jù)增強處理，將被網(wǎng)絡錯分類次數(shù)前M-N（NM）的圖像進行m倍的數(shù)據(jù)增強處理，將增強后的圖像加入原始的訓練集中形成新的訓練集，然后重新計算Iteration次數(shù)，并設置Iteration次數(shù)，進入下一次的網(wǎng)絡訓練；當網(wǎng)絡Epoch次數(shù)大于K次時，則刪除上次增強的數(shù)據(jù)，并根據(jù)訓練集中被AlexNet網(wǎng)絡錯分類的圖像的累計次數(shù)進行圖像排序，然后將被AlexNet網(wǎng)絡錯分類次數(shù)前N的圖像進行n倍的數(shù)據(jù)增強處理，將被網(wǎng)絡錯分類次數(shù)前M-N（NM）的圖像進行m倍的數(shù)據(jù)增強處理，將增強后的圖像加入原始的訓練集中形成新的訓練集，然后重新計算Iteration次數(shù)，并設置Iteration次數(shù)，進入下一次的網(wǎng)絡訓練。

2.根據(jù)權利要求1所述的基于AlexNet網(wǎng)絡的強化訓練方法，其特征在于，具體步驟如下：

步驟一：卷積神經(jīng)網(wǎng)絡的初始化；

步驟二：判斷是否到達網(wǎng)絡訓練的Epoch次數(shù)，若是，則結(jié)束，否則執(zhí)行步驟三；

步驟三：判斷Epoch次數(shù)是否大于等于K次，若是，則執(zhí)行步驟九，否則，則執(zhí)行步驟四；

步驟四：判斷是否到達設置的Iteration次數(shù)，若是，則跳轉(zhuǎn)至步驟二，否則執(zhí)行步驟五；

步驟五：卷積神經(jīng)網(wǎng)絡前向傳播輸出圖像分類結(jié)果；

步驟六：將卷積神經(jīng)網(wǎng)絡輸出結(jié)果與圖像的標簽作比較比較，累計每張圖像被誤分類的次數(shù)；

步驟七：反向傳播計算誤差梯度；

步驟八：更新網(wǎng)絡權值，跳轉(zhuǎn)至步驟四；

步驟九：判斷是否大于K次，若是執(zhí)行步驟十，若否執(zhí)行步驟十一；

步驟十：刪除上次增強的圖像；

步驟十一：對數(shù)據(jù)集中的所有圖像根據(jù)圖像被錯分類的次數(shù)進行從大到小的排序；

步驟十二：選取被錯判前N的圖像增強n倍，選取被錯判前(M-N)的圖像增強m倍，作為該次增強的圖像加入到原訓練集中構(gòu)成新的訓練集；

步驟十三：重新計算訓練集的Iteration次數(shù)，設置Iteration，跳轉(zhuǎn)至步驟五。