【技术实现步骤摘要】
降低ResNeXt模型在图片分类中过拟合现象的方法
本专利技术涉及深度学习
，尤其涉及降低ResNeXt模型在图片分类中过拟合现象的方法。
技术介绍
近几年深度神经网络在图片分类等多媒体研究领域发挥了巨大作用，然而人们面对的一个普遍问题就是如何使深度网络的训练更加稳定。为了解决这个问题并且进一步提高神经网络的效果，人们通常设计不同的规则来约束网络，最常见的技术就是批量归一化(BN，BatchNormalization)和Dropout(随机失活Dropout是对具有深度结构的人工神经网络进行优化的方法，在学习过程中通过将隐含层的部分权重或输出随机归零，降低节点间的相互依赖性co-dependence从而实现神经网络的正则化regularization，降低其结构风险structuralrisk)。而过拟合现象对深度网络来说仍然是个问题，它可能导致深度网络模型的泛化能力非常差。而在实际的多媒体应用中，由于训练深度网络所需要的大量数据不容易获得并且人工标注成本太大，过拟合现象更是比较严重。
技术实现思路
为了解决现有技术中图片分类问题中仍然存在的过拟合问题，本专利技...
【技术保护点】
1.降低ResNeXt模型在图片分类中过拟合现象的方法，其特征在于，包括如下步骤：步骤1，对公开数据集中的训练图片进行预处理；步骤2，基于ResNeXt网络搭建网络模型，并对ResNeXt网络使用Cropout方法进行修改；步骤3，使用随机梯度下降法训练修改过后的ResNeXt网络，得到训练好的网络模型；步骤4，输入一张给定的待分类图片，使用步骤3中训练好的网络模型对其进行分类，得到最后的分类结果。
【技术特征摘要】
1.降低ResNeXt模型在图片分类中过拟合现象的方法，其特征在于，包括如下步骤：步骤1，对公开数据集中的训练图片进行预处理；步骤2，基于ResNeXt网络搭建网络模型，并对ResNeXt网络使用Cropout方法进行修改；步骤3，使用随机梯度下降法训练修改过后的ResNeXt网络，得到训练好的网络模型；步骤4，输入一张给定的待分类图片，使用步骤3中训练好的网络模型对其进行分类，得到最后的分类结果。2.根据权利要求1所述的方法，其特征在于，步骤1包括：对公开数据集中的训练图片进行数据增强操作，包括随机裁剪、水平翻转、随机放缩。3.根据权利要求2所述的方法，其特征在于，步骤2包括以下步骤：步骤2-1，使用基数为G的ResNeXt网络的卷积部分对训练图片进行特征提取，得到分组卷积后的G条转换路径，将转换路径的特征图记为x，其大小为H×W，H、W分别表示特征图的长和宽；步骤2-2，Cropout方法为对每条转换路径随机绑定一个随机裁剪操...
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。