[發明專利]基于權值分布的用于土壤取樣篩選的神經網絡的訓練方法

在審

• 申請號: 202011466020.X
• 申請日: 2020-12-13
• 公開（公告）號: CN112488129A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 魯梅
• 申請（專利權）人: 無錫星暢云聯信息技術有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于權值分布的用于土壤取樣篩選的神經網絡的訓練方法，其特征在于，包括：

步驟1：獲取訓練用候選土壤圖像和參考圖像，所述參考圖像為標準取樣土壤圖像；

步驟2：將所述訓練用候選土壤圖像和所述參考圖像分別通過卷積神經網絡以獲得候選特征圖和參考特征圖；

步驟3：以第一加權系數對所述候選特征圖進行加權，以獲得第一加權特征圖，其中，所述第一加權系數為在0到1的數值范圍內按照符合標準正態分布隨機選擇的概率值；

步驟4：以第二加權系數對所述參考特征圖進行加權，以獲得第二加權特征圖，其中，所述第二加權系數等于1減去所述第一加權系數；

步驟5：計算所述第一加權特征圖和所述第二加權特征圖之間的按像素位置的加權和，以獲得所述分類特征圖；

步驟6：將所述分類特征圖通過分類函數，以獲得分類損失函數值；

步驟7：以預定步長減小所述分類損失函數值，并以梯度下降的反向傳播更新所述卷積神經網絡的參數；以及

步驟8：迭代地執行所述步驟2到步驟7，以完成所述卷積神經網絡的訓練。

2.根據權利要求1所述的基于權值分布的用于土壤取樣篩選的神經網絡的訓練方法，其中，所述第一加權系數的取值范圍在0.5到0.841。

3.根據權利要求1所述的基于權值分布的用于土壤取樣篩選的神經網絡的訓練方法，其中，將所述訓練用候選土壤圖像和所述參考圖像分別通過卷積神經網絡以獲得候選特征圖和參考特征圖，包括：

將所述候選特征圖和所述參考特征圖轉化為相同尺度的特征圖。

4.根據權利要求1所述的基于權值分布的用于土壤取樣篩選的神經網絡的訓練方法，其中，將所述分類特征圖通過分類函數，以獲得分類損失函數值，包括：

將所述分類特征圖通過全連接層以獲得分類特征向量；

將所述分類特征向量輸入分類函數，以獲得分類結果，所述分類結果表示所述候選土壤是否可作為取樣土壤；以及

將所述分類結果與真實值之差輸入損失函數，以獲得所述分類損失函數值。

5.根據權利要求4所述的基于權值分布的用于土壤取樣篩選的神經網絡的訓練方法，其中，所述卷積神經網絡為深度殘差網絡。

6.一種基于深度神經網絡的土壤取樣篩選方法，其特征在于，包括：

獲取備選土壤取樣的圖像；以及

將所述備選土壤取樣圖像輸入根據如權利要求1至5任一所述的基于權值分布的用于土壤取樣篩選的神經網絡的訓練方法所訓練的卷積神經網絡，以獲得分類結果，所述分類結果用于表示所述備選土壤取樣是否可作為取樣土壤。