The invention discloses a convolution nerve cell block, a constituted neural network and a n image classification method. The convolution nerve cell block includes N convolution cores in different directions and a m*m convolution core stacked and connected with a 1*1 convolution core; it also includes a jump connection of identical transformation, in which a is equal to the number of channels of the input characteristic graph; the invention decomposes the convolution core and preserves it. The convolution core has a large receptive field and reduces the number of original parameters. It is proposed to use diagonal convolution to directly obtain the correlation of the diagonal direction of the original feature map, so as to enhance the adaptability to spatial transformation.
【技术实现步骤摘要】
一种卷积神经单元块、构成的神经网络及图像分类方法
本专利技术涉及神经网络的构建及应用
，具体涉及一种卷积神经单元块、构成的神经网络及图像分类方法。
技术介绍
现有的计算机视觉领域，卷积神经网络是常用的工具；卷积神经网络一般由连续的卷积层、激活层和池化层堆叠而成；卷积层由多个卷积神经单元组成，接受上一层的输入特征，运用该层的卷积神经单元进行计算，并输出通道数等于该层卷积神经单元数量的特征图。激活层由线性修正单元构成；一般一个激活层里面只包含一个线性修正单元，对上一层输出的特征图进行非线性映射；一个池化层同样是对上一层输出的特征图进行池化映射。现有的神经网络一般包含两种，第一种resnet网络，Resnet是2016年提出的一种网络框架，它在原本直接堆叠的卷积层之间，加入了跳跃连接的identitymapping(恒等映射)，使得网络本身只需要拟合原本网络的残差；在此之前，网络是通过堆叠卷积层、激活层和池化层来实现非线性变换。第二种是inception第三个版本结构，在inceptionv3结构中，有一部分结构将3×3的卷积核分解成连续的3×1的卷积核与1×3的...
【技术保护点】
1.一种卷积神经单元块，其特征在于，包括n个不同方向的卷积核和一个m×m的卷积核堆叠后连接a个1×1的卷积核构成；还包括恒等变换的跳跃连接，其中a与输入特征图的通道数相等。
【技术特征摘要】
1.一种卷积神经单元块，其特征在于，包括n个不同方向的卷积核和一个m×m的卷积核堆叠后连接a个1×1的卷积核构成；还包括恒等变换的跳跃连接，其中a与输入特征图的通道数相等。2.根据权利要求1所述的一种卷积神经单元块，其特征在于，所述不同方向的卷积核包括一个左斜卷积核b×1和一个右斜卷积核1×b；左斜卷积核为b×b卷积核除了左斜对角之外的所有位置全部保持为0；右斜卷积核为b×b卷积核除了右斜对角之外的所有位置全部保持为0。3.根据权利要求1所述的一种卷积神经单元块，其特征在于，所述n个不同方向的卷积核中，每...
【专利技术属性】
技术研发人员：李帅，朱策，张铁，郑龙飞，高艳博，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51
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。