[發(fā)明專利]一種基于可變形卷積網(wǎng)絡(luò)的深度學(xué)習(xí)圖像分類方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110303551.5
• 申請日: 2021-03-22
• 公開（公告）號: CN113139577A
• 公開（公告）日: 2021-07-20
• 發(fā)明（設(shè)計(jì)）人: 劉偉鑫;徐晨;周松斌
• 申請（專利權(quán)）人: 廣東省科學(xué)院智能制造研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06K9/00
• 代理公司: 廣州容大知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44326
• 代理人: 潘素云

本發(fā)明公開了一種基于可變形卷積網(wǎng)絡(luò)的深度學(xué)習(xí)圖像分類方法及系統(tǒng)，涉及計(jì)算機(jī)視覺圖像識別領(lǐng)域，該方法包括以下步驟：步驟S1：將所有圖像縮放至90*90大小，并分為訓(xùn)練集和測試集；步驟S2：設(shè)定可變形卷積網(wǎng)絡(luò)結(jié)構(gòu)；步驟S3：將可變形卷積網(wǎng)絡(luò)結(jié)構(gòu)第二層和第四層的卷積核按照一定規(guī)則丟棄部分卷積核參數(shù)；步驟S4：根據(jù)網(wǎng)絡(luò)模型對訓(xùn)練集數(shù)據(jù)進(jìn)行訓(xùn)練；步驟S5：將訓(xùn)練好的模型對測試集數(shù)據(jù)進(jìn)行分類識別(假設(shè)要分N類圖像)。本發(fā)明方法通過一定規(guī)則的處理，丟棄網(wǎng)絡(luò)中部分卷積核參數(shù)，提高網(wǎng)絡(luò)的關(guān)鍵信息提取能力，減少網(wǎng)絡(luò)參數(shù)、運(yùn)算量，提高網(wǎng)絡(luò)分類準(zhǔn)確率的同時(shí)，提高網(wǎng)絡(luò)運(yùn)行效率。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺圖像識別領(lǐng)域，尤其是涉及一種基于可變形卷積網(wǎng)絡(luò)的深度學(xué)習(xí)圖像分類方法及系統(tǒng)。

背景技術(shù)

近年來深度學(xué)習(xí)在學(xué)術(shù)界、科技界應(yīng)用廣泛，尤其在圖像領(lǐng)域，目前已經(jīng)在圖像分類領(lǐng)域取得較大進(jìn)展，取得不錯(cuò)成效。人類在觀察環(huán)境時(shí)，大腦往往只關(guān)注某幾個(gè)特別重要的局部，獲取關(guān)鍵信息，去除無關(guān)緊要的信息，但目前的主流的深度學(xué)習(xí)網(wǎng)絡(luò)如VGG16、ALexNet、GoogleNet等對圖像關(guān)鍵信息提取能力都較弱，在提取圖像有用特征信息的同時(shí)包含了部分的無關(guān)信息，影響了網(wǎng)絡(luò)模型的性能。

發(fā)明內(nèi)容

有鑒于此，有必要針對上述問題，提供一種基于可變形卷積網(wǎng)絡(luò)的深度學(xué)習(xí)圖像分類方法及系統(tǒng)，其根據(jù)分類圖像的特征信息自動(dòng)設(shè)計(jì)卷積核，丟棄部分參數(shù)，實(shí)現(xiàn)提高網(wǎng)絡(luò)關(guān)鍵特征信息提取能力的同時(shí)，減少網(wǎng)絡(luò)運(yùn)行算，提高網(wǎng)絡(luò)運(yùn)行效率。

為實(shí)現(xiàn)上述目的，本發(fā)明提供以下技術(shù)方案：

一方面，本發(fā)明提供一種基于可變形卷積網(wǎng)絡(luò)的深度學(xué)習(xí)圖像分類方法，包括以下步驟：

步驟S1：將所有圖像縮放至90*90大小，并分為訓(xùn)練集和測試集；

步驟S2：設(shè)定可變形卷積網(wǎng)絡(luò)結(jié)構(gòu)；

步驟S3：將可變形卷積網(wǎng)絡(luò)結(jié)構(gòu)的第二層和第四層的卷積核按照一定規(guī)則丟棄部分卷積核參數(shù)：

步驟S4：根據(jù)網(wǎng)絡(luò)模型對訓(xùn)練集數(shù)據(jù)進(jìn)行訓(xùn)練；

步驟S5：將訓(xùn)練好的模型對測試集數(shù)據(jù)進(jìn)行分類識別。

進(jìn)一步地，步驟S2中，可變形卷積網(wǎng)絡(luò)結(jié)構(gòu)具體為：第1層為輸入層，輸入90*90的圖片；第2層為卷積層，卷積核個(gè)數(shù)為16，卷積核大小為9*9；第3層為最大值池化層，核大小為2*2；第4層為卷積層，卷積核個(gè)數(shù)為16，卷積核大小為9*9；第5層為最大值池化層，核大小為2*2；第6、7層為全連接層，分別為120個(gè)和84個(gè)神經(jīng)節(jié)點(diǎn)；第8層為輸出層，輸出節(jié)點(diǎn)為N。

進(jìn)一步地，步驟S3中，可變形卷積網(wǎng)絡(luò)結(jié)構(gòu)的第二層和第四層的卷積核按照如下規(guī)則丟棄部分卷積核參數(shù)：

①將訓(xùn)練集每張圖片轉(zhuǎn)換為灰度圖，再轉(zhuǎn)換為二值圖片，然后將90*90的二值圖片壓縮至9*9灰度圖，再求二值圖；

②然后將①中所有9*9的二值圖片相加，二值圖片的白色點(diǎn)值為1，黑色點(diǎn)值為0；具體為圖片每個(gè)像素點(diǎn)對應(yīng)位置像素值相加，再除以訓(xùn)練集圖片數(shù)量，然后每個(gè)像素點(diǎn)乘以255，得到9*9的平均灰度圖Gray；

③求平均灰度圖Gray的圖像灰度均值Mean，然后以Mean為閾值對平均灰度圖Gray進(jìn)行二值化操作，得到9*9的二值圖C；

④第二層、第四層的9*9卷積核參數(shù)丟棄部分對應(yīng)9*9二值圖C中像素值為0的像素位置。

進(jìn)一步地，所述二值化操作采用大津法二值化方法。

進(jìn)一步地，所述圖像縮放采用opencv的resize()函數(shù)，選擇最近鄰插值方式。

另一方面，本發(fā)明還提供一種基于可變形卷積網(wǎng)絡(luò)的深度學(xué)習(xí)圖像分類系統(tǒng)，包括：