[發明專利]一種基于少量神經元連接的健壯圖像分類模型訓練方法

有效

• 申請號: 202111140405.1
• 申請日: 2021-09-28
• 公開（公告）號: CN113780468B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 郭延明;李建;老松楊;阮逸潤;趙翔;魏迎梅
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06V10/77
• 分類號: G06V10/77;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 曾志鵬

1.一種基于少量神經元連接的健壯圖像分類模型訓練方法，其特征在于，所述方法用于圖像分類魯棒模型訓練，所述方法包括骨干網絡和決策模塊兩部分；

所述骨干網絡對輸入的圖像進行特征提取，并在最后一個卷積層和全局平均池化層來提取輸入圖像的潛在特征L；

所述決策模塊包括四個過程：積運算、排序、剪裁、求和；

所述積運算為計算L與W的乘積，得到神經元連接的計算結果，所述W是全連接層的權重矩陣，W的大小是n×m，其中n是數據集的類別數，m是圖像的潛在特征L的長度；

所述排序為對所述神經元連接的計算結果進行排序；

所述剪裁為將排序后的每組結果的前α個結果和后β個結果均設置為0，所述α和所述β設為m的1/3；

所述求和為通過對每個神經元中剩余的非零結果求和來得到預測值，通過預測值得到分類結果。

2.如權利要求1所述的方法，其特征在于，所述積運算使用hadamard積來得到神經元連接的計算結果。

3.如權利要求1所述的方法，其特征在于，對所述神經元連接的計算結果進行排序具體為將每個神經元包含的連接的計算結果從小到大進行排序。

4.如權利要求1所述的方法，其特征在于，所述通過預測值得到分類結果具體通過查詢最大預測值的索引，得到分類結果。

5.如權利要求1所述的方法，其特征在于，所述魯棒模型使用干凈的數據來訓練，并使用交叉熵損失作為損失函數。

6.如權利要求1所述的方法，其特征在于，權重W使用均勻分布來初始化，且在訓練階段是固定的。