决定方法以及程序技术

本公开涉及决定方法以及程序，所述决定方法用于决定卷积神经网络的构造，包括：取得步骤(S10)，取得使用学习用图像群学习了权重的N个(N是大于等于1的自然数)滤波器作为初始值；以及分割步骤(S20)，通过追加针对N个滤波器中的至少一个实施了在图像处理领域中所使用的变换后的滤波器，使该N个滤波器增加到比N个多的M个(M是大于等于2的自然数)滤波器。

【技术实现步骤摘要】
【国外来华专利技术】决定方法以及程序
本公开涉及决定方法以及程序，尤其涉及决定卷积神经网络的构造的决定方法及其程序。
技术介绍
近年来，通过使用深度学习(DeepLearning)，图像识别的性能显著提高。深度学习作为使用多层的神经网络的机器学习的方法论而为人所知，关于这种多层神经网络，例如可使用卷积神经网络(例如参照非专利文献1)。在此，卷积神经网络由反复进行局部区域的卷积(Convolution)和池化(Pooling)的多层的神经网络构成。在非专利文献1中，作为卷积神经网络的构造，提出通过在池化层之间夹入多个卷积层而使卷积层多层化的神经网络的构造，公开了通过该构造能够提高图像识别的性能。现有技术文献非专利文献非专利文献1：MinLin，QiangChen，ShuichengYan，“NetworkInNetwork”
技术实现思路
为了解决上述问题，本公开的一个技术方案涉及的决定方法，用于决定卷积神经网络的构造，包括：取得步骤，取得使用学习用图像群学习了权重的N个滤波器(filter)作为初始值，其中，N是大于等于1的自然数；以及分割步骤，通过追加针对所述N个滤波器中的至少一个实施了在图像处理领域中所本文档来自技高网...

【技术保护点】
一种决定方法，用于决定卷积神经网络的构造，包括：取得步骤，取得使用学习用图像群学习了权重的N个滤波器作为初始值，其中，N是大于等于1的自然数；以及分割步骤，通过追加针对所述N个滤波器中的至少一个实施了在图像处理领域中所使用的变换后的滤波器，使所述N个滤波器增加到比所述N个多的M个滤波器，其中，M是大于等于2的自然数。

【技术特征摘要】
【国外来华专利技术】2016.01.15 JP 2016-006580;2015.02.06 US 62/113,1741.一种决定方法，用于决定卷积神经网络的构造，包括：取得步骤，取得使用学习用图像群学习了权重的N个滤波器作为初始值，其中，N是大于等于1的自然数；以及分割步骤，通过追加针对所述N个滤波器中的至少一个实施了在图像处理领域中所使用的变换后的滤波器，使所述N个滤波器增加到比所述N个多的M个滤波器，其中，M是大于等于2的自然数。2.根据权利要求1所述的决定方法，在所述分割步骤中，包括分割评价步骤，在该分割评价步骤中，使用所述学习用图像群，使所述M个滤波器学习权重，由此，评价所述M个滤波器的辨识性能，当在所述分割评价步骤中评价出的辨识性能在所述N个滤波器的辨识性能以下的情况下，再次进行所述分割步骤。3.根据权利要求1或者2所述的决定方法，还包括：合并步骤，通过对所述M个滤波器进行聚类并选择簇中心的滤波器，将所述M个滤波器合并成比所述M个少的L个滤波器，其中，L是大于等于1的自然数。4.根据权利要求3所述的决定方法，在所述合并步骤中，使用k-means法将所述M个滤波器聚类成预先确定的L个簇。5.根据权利要求3所述的决定方法在所述合并步骤中，使用近邻传播法对所述M个滤波器进行聚类。6.根据权利要求1至5中任一项所述的决定方法，所述变换包括随机决定的角度下的旋转变...

【专利技术属性】
技术研发人员：M·Y·金，L·里加佐，筑泽宗太郎，小冢和纪，
申请(专利权)人：松下知识产权经营株式会社，
类型：发明
国别省市：日本,JP