[發(fā)明專利]用于圖像分類的單純形神經(jīng)網(wǎng)絡(luò)的構(gòu)建方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011554742.0
• 申請(qǐng)日: 2020-12-22
• 公開（公告）號(hào): CN112508183A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 寧欣;董肖莉;田偉娟;李衛(wèi)軍;張麗萍;孫琳鈞;李爽
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院半導(dǎo)體研究所
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04;G06N3/08
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 王江選

1.一種用于圖像分類的單純形神經(jīng)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，包括以下步驟：

對(duì)輸入圖像進(jìn)行特征提取，通過若干并行卷積組提取得到所述輸入圖像的特征圖，挖掘所述特征圖中的特征點(diǎn)在高維空間的流形分布；

通過自組織映射，對(duì)提取到的所述輸入圖像的特征圖進(jìn)行聚類，構(gòu)建流形分布子空間；

構(gòu)建用于圖像分類的單純形神經(jīng)元，基于所述單純形神經(jīng)元對(duì)通過自組織映射聚類后的不同流形分布子空間進(jìn)行覆蓋學(xué)習(xí)，得到用于圖像分類的單純形神經(jīng)網(wǎng)絡(luò)模型。

2.根據(jù)權(quán)利要求1所述的單純形神經(jīng)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，所述單純形神經(jīng)元以線段、三角形或四面體為基礎(chǔ)形狀，通過形狀的扭曲變換和疊加構(gòu)建多種復(fù)雜的幾何形體。

3.根據(jù)權(quán)利要求1所述的單純形神經(jīng)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，所述并行卷積組包括VGG、ResNet、Densenet和Xception結(jié)構(gòu)。

4.根據(jù)權(quán)利要求1所述的單純形神經(jīng)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，所述自組織映射是基于多種距離度量方式進(jìn)行無監(jiān)督聚類，所述度量方式包括歐氏距離和余弦距離。

5.根據(jù)權(quán)利要求1所述的單純形神經(jīng)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，所述構(gòu)建用于圖像分類的單純形神經(jīng)元包括：

默認(rèn)一個(gè)簇為一個(gè)獨(dú)立的分布，計(jì)算各自空間中各樣本間的距離，選擇兩兩距離之和最大的n個(gè)樣本對(duì)n維單純形的n個(gè)頂點(diǎn)進(jìn)行初始化，即得到單純形神經(jīng)元的n個(gè)核；

計(jì)算每個(gè)簇中樣本點(diǎn)到單純形距離的標(biāo)準(zhǔn)差，以便對(duì)超球半徑進(jìn)行初始化；

對(duì)單純形和超球進(jìn)行膨脹積即得到初始化的單純形神經(jīng)元。

6.根據(jù)權(quán)利要求5所述的單純形神經(jīng)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，計(jì)算每個(gè)簇中樣本點(diǎn)到單純形距離的計(jì)算公式如下：

d＝||x-q₀||；

其中，d為所述樣本點(diǎn)到單純形的距離，||·||代表歐氏距離或余弦距離，x為樣本點(diǎn)；q₀為單純形內(nèi)距離x最近的點(diǎn)；

所述單純形神經(jīng)元的輸出為：

其中，r為超球的半徑，所述超球表征為標(biāo)準(zhǔn)差為r的高斯分布。

7.根據(jù)權(quán)利要求1所述的單純形神經(jīng)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，所述覆蓋學(xué)習(xí)采用覆蓋比損失和分類準(zhǔn)確率損失指導(dǎo)網(wǎng)絡(luò)參數(shù)學(xué)習(xí)；

所述覆蓋比損失以學(xué)習(xí)完善的RBF神經(jīng)元體積為參照，控制單純形神經(jīng)元的體積。

8.根據(jù)權(quán)利要求7所述的單純形神經(jīng)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，所述覆蓋比損失的計(jì)算公式如下：

其中，v_simplex為單純形神經(jīng)元的體積，v_rbf為學(xué)習(xí)完善的RBF神經(jīng)元的體積。

9.根據(jù)權(quán)利要求1所述的單純形神經(jīng)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，所述方法還包括對(duì)已學(xué)習(xí)的單純形深度神經(jīng)網(wǎng)絡(luò)模型，采用待分類圖像進(jìn)行測(cè)試；測(cè)試過程包括：

基于已學(xué)習(xí)的單純形深度神經(jīng)網(wǎng)絡(luò)模型，對(duì)待分類圖像進(jìn)行非線性映射，得到所述待分類圖像在該模型下的得分值；

將所述得分值與預(yù)設(shè)閾值進(jìn)行比較，以確定所述待分類圖像的類別。

10.一種用于圖像分類的單純形神經(jīng)網(wǎng)絡(luò)的構(gòu)建裝置，其特征在于，包括：

特征提取模塊，用于對(duì)輸入圖像進(jìn)行特征提取，通過若干并行卷積組提取得到所述輸入圖像的特征圖，挖掘所述特征圖的特征點(diǎn)在高維空間的流形分布；

聚類模塊，通過自組織映射，對(duì)提取到的所述輸入圖像的特征圖進(jìn)行聚類，構(gòu)建流形分布子空間；

學(xué)習(xí)模塊，構(gòu)建用于圖像分類的單純形神經(jīng)元，基于所述單純形神經(jīng)元對(duì)通過自組織映射聚類后的不同流形分布子空間進(jìn)行覆蓋學(xué)習(xí)，得到用于圖像分類的單純形神經(jīng)網(wǎng)絡(luò)模型。