【技术实现步骤摘要】
一种基于深度交错融合分组卷积网络的图像分类方法
本专利技术涉及一种利用深度交错融合分组卷积网络模型来实现图像分类的方法，属于模式识别领域。
技术介绍
利用深度卷积网络实现图像分类已成为当前计算机视觉领域的研究热点，与传统卷积神经网络不同，深度卷积网络通常有很深的非线性卷积核堆叠。在图像分类任务中，为实现较高的分类精度，深度卷积网络就需要借助于大规模数据的训练，并在“深度”与“宽度”方面进行不同程度的扩增。以扩增网络深度为例，经典网络VGG通过堆叠相同形状的模块和全连接层，构建了一个19层的深度卷积网络。尽管实验结果表明此种设计策略可有效提升网络的分类性能，但随着网络深度的扩增，将会带来过拟合、梯度消失等训练上的问题，使得网络后面的信息不能很好的反馈到前面，反而导致性能的下降。基于此，为获得更好的性能，各种新型的卷积神经网络相继被提出。He通过借鉴VGG展示了一种构建深度卷积网络简单而有效的策略：堆叠相同拓扑结构的模块，并提出一种DeepResidualNetwork，ResNet。Zagoruyko在残差模块结构的基础上通过降低网络深度增加网络宽度，提出一种新的网...
【技术保护点】
1.一种基于深度交错融合分组卷积网络的图像分类方法，其特征在于，包括如下步骤：步骤1：选择需要进行分类的图像数据，并进行图像预处理，得到扩增后的图像数据；步骤2：使用相同的拓扑结构以及交错融合策略，构建出模板模块；步骤3：使用小卷积核以及分组卷积策略，构建出结构化稀疏卷积核；步骤4：通过堆叠若干所述模板模块并和结构化稀疏卷积核形成深度交错融合分组卷积网络；其中，如果模板模块输出的特征图的空间尺寸相同，那么模板模块共享相同的超参数；每当特征图的空间尺寸被成倍下采样，模板模块的宽度加倍；步骤5：采用带有动量系数的小批次随机梯度下降法对深度交错融合分组卷积网络进行训练，分析得到网...
【技术特征摘要】
1.一种基于深度交错融合分组卷积网络的图像分类方法，其特征在于，包括如下步骤：步骤1：选择需要进行分类的图像数据，并进行图像预处理，得到扩增后的图像数据；步骤2：使用相同的拓扑结构以及交错融合策略，构建出模板模块；步骤3：使用小卷积核以及分组卷积策略，构建出结构化稀疏卷积核；步骤4：通过堆叠若干所述模板模块并和结构化稀疏卷积核形成深度交错融合分组卷积网络；其中，如果模板模块输出的特征图的空间尺寸相同，那么模板模块共享相同的超参数；每当特征图的空间尺寸被成倍下采样，模板模块的宽度加倍；步骤5：采用带有动量系数的小批次随机梯度下降法对深度交错融合分组卷积网络进行训练，分析得到网络参数，完成图像分类。2.根据权利要求1所述的基于深度交错融合分组卷积网络的图像分类方法，其特征在于，所述模板模块包括三个层次：缩放比例层、瓶颈模块、池化层，所述步骤2包括如下具体步骤：步骤2.1：在缩放比例层中，通过步长为1且卷积核为1×1的卷积层直接进行降采样，并且每当特征图的空间尺寸减半时重复执行缩放比例层；步骤2.2：所述模板模包括两个分支通道，每个分支通道由若干个瓶颈模块串联，两分支通道之间进行交错连接并进行特征图拼接融合；步骤2.3：所述两个分支通道的输出与最后一层特征图拼接融合结果进行整体融合输出，完成所述模板模块的建立。3.根据权利...
【专利技术属性】
技术研发人员：王雪松，吕恩辉，程玉虎，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏,32
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。