The invention relates to an optimization method of mutual intelligent evolution between multiple convolution neural networks. By comparing the accuracy rate of image recognition among multiple convolution neural networks, the real-time acquisition image of the camera is used as a data set to feed back to the network with bad recognition effect to be tuned to optimize the network for this category. Better classification of images; the automatic acquisition of a training set by security monitoring can be fed to a less classified network, control its automatic tuning (Finturn), save a lot of manpower and material manual collection of pictures and write labels, and implement automatic training and evolution between the convolution neural networks.
【技术实现步骤摘要】
一种多组卷积神经网络之间互博智能进化的优化方法
本专利技术涉及一种多组卷积神经网络之间互博智能进化的优化方法,属于人工智能深度学习领域。
技术介绍
近年来人工智能技术发展迅速,深度学习领域中的卷积神经网络CNN已经成为众多科学领域的研究热点之一,特别是在模式分类领域,由于卷积神经网络避免了对图像的复杂前期预处理,可以直接输入原始图像,在目标识别、行为识别、人脸识别等领域有着广泛的应用。虽然卷积神经网络的应用十分广泛,但是限制其发展的一个非常关键的因素就是训练数据集的收集问题。要想训练好一个卷积神经网络实现目标检测,就要喂给这个网络一个很大的数据集,拿ImageNet数据集来讲,它包含1000个物体类别,每个类别有1200张图片,其训练数据集就达到了1200000张图,对这些图的采集和标注标签的工作量是非常大的,耗费了大量的人力物力。并且很多公司收集的数据集不对外开放,这就严重限制了深度学习的发展和应用。人工智能芯片的问世,使得在嵌入式设备上进行实时的训练卷积神经网络成为可能。
技术实现思路
针对现有技术的不足,本专利技术提供了一种多组卷积神经网络之间互博智能进化的优化方法;本专利技术通过多个卷积神经网络之间通过对比识别图像的准确率,利用摄像头实时采集图像作为数据集反馈给识别效果不好的网络进行微调以优化该网络可以对该类别的图像更好的分类;可以利用安防监控自动获取训练集喂给一个分类效果较差的网络,控制其自动微调(Finturn),节省大量人力物力手动采集图片并且写上标签,而且实现卷积神经网络之间自动的训练进化。术语解释:1、卷积神经网络(Convolutional ...
【技术保护点】
1.一种多组卷积神经网络之间互博智能进化的优化方法,其特征在于,包括:(1)选取m个卷积神经网络,包括net1,…,neti,…,netm,m≥2且m为整数,1≤i≤m,neti是指m个卷积神经网络中的任一卷积神经网络;m个卷积神经网络均是基于同一个数据集训练得到,该数据集有n个类别,包括1,…,j,…,n;j是指n个类别中的任一类别;(2)利用m个卷积网络分别对采集装置采集的单张图像进行推理分类,卷积神经网络neti得到分类结果,即n个概率值Xi1,…,Xij…Xin,Xij是指当前采集的图像是类别j的概率,从n个概率值中选取其中的最大值
【技术特征摘要】
1.一种多组卷积神经网络之间互博智能进化的优化方法,其特征在于,包括:(1)选取m个卷积神经网络,包括net1,…,neti,…,netm,m≥2且m为整数,1≤i≤m,neti是指m个卷积神经网络中的任一卷积神经网络;m个卷积神经网络均是基于同一个数据集训练得到,该数据集有n个类别,包括1,…,j,…,n;j是指n个类别中的任一类别;(2)利用m个卷积网络分别对采集装置采集的单张图像进行推理分类,卷积神经网络neti得到分类结果,即n个概率值Xi1,…,Xij…Xin,Xij是指当前采集的图像是类别j的概率,从n个概率值中选取其中的最大值最终,m个卷积网络分别从得到的n个概率值中选取其中的最大值,依次为(3)设置阈值Z,阈值Z的取值范围为50%-100%,从步骤(2)求取的中选取最大值为中的任一个;比较与阈值Z的关系,如果则判定neti卷积神经网络识...
【专利技术属性】
技术研发人员:朱顺意,
申请(专利权)人:山东领能电子科技有限公司,
类型:发明
国别省市:山东,37
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。