The invention discloses an image classification method based on the convolution neural network, which includes the following steps: A, the image collector collects the image and stores it into the memory and encrypts it; B, after adjusting the image to the unified size, input the pre training model; C, training the image image and calculating the training concentration. Average image, after the average image is subtracted from each image in the training center of the image, the network parameters are trained and the convolution neural network model is obtained. D, classifying the images after training, that is, the classification of the images is completed. The image classification method provided by the invention is efficient and can effectively improve the accuracy of image classification. And efficiency.
【技术实现步骤摘要】
一种基于卷积神经网络的图像分类方法
本专利技术涉及图像分类
,具体为一种基于卷积神经网络的图像分类方法。
技术介绍
近年来,随着数以百万带标签训练集的出现以及基于GPU训练算法的出现,使训练复杂卷积网络模型不再奢望,卷积神经网络是一种逐渐发展,并引起广泛重视的高效图像识别方法。大量基于卷积神经网络的模型在手写字体识别,ImageNet库的分类测试中取得不俗的成绩,许多论文都利用卷积神经网络,在视觉分类任务中取得不错成绩。卷积神经网络的基本结构包括两层,其一为特征提取层,每个神经元的输入与前一层的局部接受域相连,并提取该局部的特征。一旦该局部特征被提取后,它与其它特征间的位置关系也随之确定下来;其二是特征映射层,网络的每个计算层由多个特征映射组成,每个特征映射是一个平面,平面上所有神经元的权值相等。由于卷积神经网络参数庞大,网络参数数量从几兆到几百兆不等,导致神经网络训练时间长,消耗大量内存空间,对训练样本数量也有比较高的要求,此外,安全性差,而且对于海量图像数据无法进行快速分类处理,效率低。
技术实现思路
本专利技术的目的在于提供一种基于卷积神经网络的图像分类方法,以解决上述
技术介绍
中提出的问题。为实现上述目的,本专利技术提供如下技术方案:一种基于卷积神经网络的图像分类方法,包括以下步骤:A、图像采集器采集图像并保存至存储器中并进行加密处理;B、将采集的图像调整为统一大小后,输入预训练模型;C、对图像进行训练,计算出训练集中的平均图像,把图像训练集中的每幅图像减去平均图像后进行网络参数的训练,得到卷积神经网络模型;D、将训练后的图像进行分类操作,即完成对 ...
【技术保护点】
一种基于卷积神经网络的图像分类方法,其特征在于:包括以下步骤:A、图像采集器采集图像并保存至存储器中并进行加密处理;B、将采集的图像调整为统一大小后,输入预训练模型;C、对图像进行训练,计算出训练集中的平均图像,把图像训练集中的每幅图像减去平均图像后进行网络参数的训练,得到卷积神经网络模型;D、将训练后的图像进行分类操作,即完成对图像的分类。
【技术特征摘要】
1.一种基于卷积神经网络的图像分类方法,其特征在于:包括以下步骤:A、图像采集器采集图像并保存至存储器中并进行加密处理;B、将采集的图像调整为统一大小后,输入预训练模型;C、对图像进行训练,计算出训练集中的平均图像,把图像训练集中的每幅图像减去平均图像后进行网络参数的训练,得到卷积神经网络模型;D、将训练后的图像进行分类操作,即完成对图像的分类。2.根据权利要求1所述的一种基于卷积神经网络的图像分类方法,其特征在于:所述步骤A中加密处理方法包括以下步骤:A、根据图像的分辨率将原始图像分解成若干2M×2M的小块;B、对每个小块,构造各自的子逆矩阵A;C、利用子逆矩阵A的特征多项式构造对应的稀疏矩阵B;D、利用子逆矩阵A和稀疏矩阵B生成公共密钥矩阵C=ABA;E、将每个小块用对应的密钥矩阵C进行加密;F、组合所有的小块...
【专利技术属性】
技术研发人员:李东洁,宋贺,杨柳,
申请(专利权)人:哈尔滨理工大学,
类型:发明
国别省市:黑龙江,23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。