[發(fā)明專利]一種基于輕量化網(wǎng)絡(luò)模型的管件圖像分類方法

在審

• 申請?zhí)枺?/td>: 202310411744.1
• 申請日: 2023-04-18
• 公開（公告）號: CN116468943A
• 公開（公告）日: 2023-07-21
• 發(fā)明（設(shè)計）人: 楊慶華;孫國鑫;魏士皓;姚托
• 申請（專利權(quán)）人: 上海大學(xué)
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06V10/80;G06V10/774;G06V10/776;G06N3/0464;G06N3/047;G06N3/048
• 代理公司: 上海恒慧知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 31317
• 代理人: 張寧展

1.一種基于輕量化神經(jīng)網(wǎng)絡(luò)的管件圖像分類方法，其特征在于，包括以下步驟：

S1.獲取管件圖像數(shù)據(jù)，分為訓(xùn)練集和測試集；

S2.對訓(xùn)練集數(shù)據(jù)進行歸一化預(yù)處理和數(shù)據(jù)增強處理；對測試集數(shù)據(jù)進行歸一化處理；

S3.構(gòu)建輕量化卷積神經(jīng)網(wǎng)絡(luò)，并利用訓(xùn)練集數(shù)據(jù)對該輕量化卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)圖像分類模型；

S4.將測試集數(shù)據(jù)輸入所述神經(jīng)網(wǎng)絡(luò)圖像分類模型，輸出該管件圖像數(shù)據(jù)對應(yīng)所有類別的概率，其中最大概率對應(yīng)的類別即為該管件圖像數(shù)據(jù)的所屬類別。

2.根據(jù)權(quán)利要求1所述的基于輕量化神經(jīng)網(wǎng)絡(luò)的管件圖像分類方法，其特征在于，所述步驟S3利用訓(xùn)練集數(shù)據(jù)對該輕量化卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，包括如下步驟：

S3.1設(shè)塊結(jié)構(gòu)的輸出特征圖通道數(shù)量c、深度n以及步長s；

S3.2獲取輸入特征圖通道數(shù)c₀，將輸入特征定義為歷史特征；

S3.3以逐點卷積方式處理輸入特征圖，輸出通道數(shù)為輸入通道數(shù)的兩倍，將生成的特征圖與輸入特征圖級聯(lián)；

S3.4將步驟S3.4得到的特征圖進行批標(biāo)準(zhǔn)化，并采用ReLU6激活函數(shù)過濾；

S3.5判斷塊結(jié)構(gòu)所需深度n是否為1，若是，則將上一步特征圖輸入深度可分離卷積后，輸出；若不是，則進入步驟S3.6；

S3.6循環(huán)n-1次一下步驟，當(dāng)前循環(huán)數(shù)計為i：

S3.6.1將歷史特征更新為最后上一步所得特征圖與自身的級聯(lián)

S3.6.2用逐點卷積擴展上一步所得特征圖，輸出通道數(shù)為(c₀+c₀*0.125*(i+1))*2，將生成的特征圖與歷史特征圖級聯(lián)；

S3.6.3將上一步所得的特征圖進行批標(biāo)準(zhǔn)化，使用ReLU6激活函數(shù)過濾；

S3.6.4若為最后一次循環(huán)，則將上一步所得特征圖輸入深度可分離卷積，深度可分離卷積輸出通道數(shù)為c，步長為s，將生成的特征圖進行批標(biāo)準(zhǔn)化，通過ReLU6激活函數(shù)后輸出；若不是最后一次循環(huán)，則將上一步所得特征圖輸入深度可分離卷積，深度可分離卷積輸出通道數(shù)為(c₀+c₀*0.125*(i+1))，步長為1。

3.根據(jù)權(quán)利要求1所述的基于輕量化神經(jīng)網(wǎng)絡(luò)的管件圖像分類方法，其特征在于，所述輕量化卷積神經(jīng)網(wǎng)絡(luò)包括一個3×3標(biāo)準(zhǔn)卷積層、多個塊結(jié)構(gòu)、一個全局平均池化層、一個全連接層和一個Softmax激活函數(shù)，所述塊結(jié)構(gòu)中包括多個反向瓶頸結(jié)構(gòu)，不同瓶頸結(jié)構(gòu)的連接方式為：輸入與所有瓶頸結(jié)構(gòu)中的每一個融合層、1×1卷積連接，所有瓶頸結(jié)構(gòu)中第一個1×1卷積與之后的每個融合層、1×1卷積連接，所有瓶頸結(jié)構(gòu)中最后一個1×1卷積與之后的每個融合層、1×1卷積連接，每一個瓶頸結(jié)構(gòu)之間串聯(lián)；模型層與層之間均加入激活函數(shù)和批標(biāo)準(zhǔn)化，除最后用于輸出分類結(jié)果的Softmax激活函數(shù)外，模型中其他激活函數(shù)均使用ReLU6激活函數(shù)。