[發明專利]一種卷積神經網絡結構的構建方法、計算機及介質

在審

• 申請號: 202210121033.6
• 申請日: 2022-02-09
• 公開（公告）號: CN114463560A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 左東潤;高又松;吳之光
• 申請（專利權）人: 西安超越申泰信息科技有限公司
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京連和連知識產權代理有限公司 11278
• 代理人: 馬鵬林;黃艷南

1.一種卷積神經網絡結構的構建方法，其特征在于，包括：

卷積層采用光譜維度的一維卷積；

全連接層對所述卷積層提取的第一特征做非線性組合，得到第二特征；

所述全連接層將所述第二特征映射到樣本網絡。

2.根據權利要求1所述的方法，其特征在于，所述卷積層采用第一閾值個卷積核對高光譜數據進行掃描。

3.根據權利要求1所述的方法，其特征在于，所述第一閾值包括8，16，32中的至少一項。

4.根據權利要求1所述的方法，其特征在于，所述全連接層采用第二閾值個神經元與所述卷積層進行對接。

5.根據權利要求1所述的方法，其特征在于，所述第二閾值包括16。

6.根據權利要求1所述的方法，其特征在于，所述全連接層的激活函數為：

f(x)＝max(0,x)

其中，f(x)表示總樣本的平均損失值，x表示每個樣本。

7.根據權利要求6所述的方法，其特征在于，所述激活函數的優化函數為：

其中，m代表更新參數，loss代表損失函數，p代表學習率。

8.根據權利要求6所述的方法，其特征在于，所述激活函數的優化函數為：

其中，f_i(x)表示樣本i的損失值，n表示每次迭代所需的樣本數量。

9.一種計算機，其特征在于，包括：卷積層和全連接層；其中，

所述卷積層配置用于采用光譜維度的一維卷積；

所述全連接層配置用于對所述卷積層提取的第一特征做非線性組合，得到第二特征；

所述全連接層配置用于將所述第二特征映射到樣本網絡。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時，實現如權利要求1-8中任一項所述的方法所包含的步驟。