一种基于畸变适应卷积神经网络的图像分类方法技术

本发明专利技术涉及一种基于畸变适应卷积神经网络的图像分类方法，包括下列步骤：1)选取某种卷积神经网络模型作为基础网络，称改进后的神经网络为畸变适应卷积神经网络，具有畸变适应的卷积。2)准备适合的训练图像，包括无畸变图像以及畸变图像和相应的分类标注。3)标定畸变图像的内部参数。4)确定待训练和分类的畸变图像的视场角FOV。5)至少选定一个需要替换或添加畸变适应的卷积的位置，为基础网络的卷积块添加畸变映射，使之成为畸变适应的卷积。6)将训练图像输入畸变适应卷积神经网络。

【技术实现步骤摘要】
一种基于畸变适应卷积神经网络的图像分类方法
本专利技术属于机器学习和神经网络领域，具体涉及畸变图像的分类问题。
技术介绍
卷积神经网络(ConvolutionalNeuralNetwork,简称CNN)是计算机视觉任务的重要方法。现有的卷积神经网络最常使用的是方形卷积核，或者使用带空洞的卷积(称为空洞卷积，AtrousConvolution)来增大神经元的感受区域(也称感受野)。为了在保持较大感受野的条件下，提高计算速度，向量形式的可分离卷积核(1×k和k×1，其中k是卷积核大小)也已经被提出并使用。但是作为视觉任务的重要方法，卷积神经网络并没有在畸变较大的鱼眼图像上显示出应有的识别能力。现有技术主要通过两类方法缓解在畸变图像上应用卷积神经网络带来的性能下降：一类是在预处理的过程中校正(去畸变)图像，另一类是端到端方法。预处理的方法需要对畸变图像进行变形，因此不可避免地会导致丢失部分图像[1]造成信息损失，或者在校正图像中存在大面积空白区域[2]造成计算量上的浪费。这类方法的好处是：校正后的图像可以直接使用与无畸变图像相同的模型进行训练和推断。端到端方法将畸变图像当作无畸变图像来处理本文档来自技高网...

【技术保护点】
1.一种基于畸变适应卷积神经网络的图像分类方法，包括下列步骤：1)选取某种卷积神经网络模型作为基础网络，称改进后的神经网络为畸变适应卷积神经网络，具有畸变适应的卷积；2)准备适合的训练图像，包括无畸变图像以及畸变图像和相应的分类标注。3)标定畸变图像的内部参数，计为M；4)确定待训练和分类的畸变图像的视场角FOV，记为α；5)至少选定一个需要替换或添加畸变适应的卷积的位置，为基础网络的卷积块添加畸变映射，使之成为畸变适应的卷积，具体操作如下：i.选定一个合适的投影方法；ii.根据投影方法和畸变图像内部参数确定投影映射，该映射将畸变图像像素映射到所选定的投影空间中，记为映射P(a,M)，对于畸变...

【技术特征摘要】
1.一种基于畸变适应卷积神经网络的图像分类方法，包括下列步骤：1)选取某种卷积神经网络模型作为基础网络，称改进后的神经网络为畸变适应卷积神经网络，具有畸变适应的卷积；2)准备适合的训练图像，包括无畸变图像以及畸变图像和相应的分类标注。3)标定畸变图像的内部参数，计为M；4)确定待训练和分类的畸变图像的视场角FOV，记为α；5)至少选定一个需要替换或添加畸变适应的卷积的位置，为基础网络的卷积块添加畸变映射，使之成为畸变适应的卷积，具体操作如下：i.选定一个合适的投影方法；ii.根据投影方法和畸变图像内部参数确定...

【专利技术属性】
技术研发人员：庞彦伟，孙汉卿，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12