一种提高图像识别模型可移植性能的方法技术

本发明专利技术提供了一种提高图像识别模型可移植性能的方法，通过改进的最小权重随机搜索算法，为每个属性赋予一个被搜索的权重值，被搜索过次数越多，权重越大，反之越小，根据该权重计算每个属性接下来被搜索到的概率，权重值越小接下来的被搜索概率也就越大，反之被搜索的概率越小，进一步根据被搜索的概率可以把搜索方向偏向于权重值较小的属性，即被搜索到次数较少的属性，适当“忽略”权重较大的对象，达到了搜索均衡的目的；通过E‑S判断方法减少了进一步计算准确性的复杂运算，同时也达到了筛选对象的目的；通过增加每个属性组合的复杂度和运用基于Leaky Relu激活函数构造的具有3个卷积层的卷积神经网络，达到了充分提取图像特征的目的。

A method to improve the portability of image recognition model

【技术实现步骤摘要】
一种提高图像识别模型可移植性能的方法
本专利技术涉及计算机视觉
，尤其涉及一种提高图像识别模型可移植性能的方法。
技术介绍
图像识别是人工智能的一个重要领域，目前在机器学习方面得到广泛应用与发展。然而本文所指的图像识别并不仅仅是用人类的肉眼，而是借助计算机技术进行识别，通过计算机对图像做出各种处理、分析，最终识别我们所要研究的目标。但是计算机在识别过程中，无法像人一样做到对图像做出自主辩证的判断，只能机械化的寻找图像的特性，从完成对图像识别。因此通过训练一个完善的图像识别模型对于图像识别领域尤为重要。在研究和实验中会发现，如果把经过某个特定的数据集训练的图像识别模型移植到其他的数据集进行识别时，该模型的识别准确性会明显降低，得的预测结果会有很大的偏差。例如对于数字图像识别模型的训练，如果用每张图像大小为28×28且为单通道的MNIST数据集训练模型，当训练的模型达到令人满意的水平(识别的准确率达到0.99+)，再用每张图像大小为32×32且为三通道的SVHN数据集测试该识别模型时，得到的识别准确性会明显降低。虽然两个数据集都是用于本文档来自技高网...

【技术保护点】
1.一种提高图像识别模型可移植性能的方法，其特征在于，包括：/nS1通过最小权重随机搜索算法，从数据集的图像属性中获得第一属性组合，该第一属性组合包括数据集的图像的五个属性；/nS2选取数据集的多个图像，根据所述第一属性组合改变该多个图像的属性，获得第一过程图像；/nS3构建卷积神经网络，将所述第一过程图像输入到该卷积神经网络，并结合优化算法，训练图像识别模型，获得训练结果；该训练结果包括数据集的预测值；/nS4基于该预测值，结合数据集的真实值，通过E-S判断方法，获得第一属性组合的判断结果；/nS5将该第一属性组合的判断结果与预设阈值进行比较，筛选出未达到预设阈值的待优化属性组合；/nS6重...

【技术特征摘要】
1.一种提高图像识别模型可移植性能的方法，其特征在于，包括：
S1通过最小权重随机搜索算法，从数据集的图像属性中获得第一属性组合，该第一属性组合包括数据集的图像的五个属性；
S2选取数据集的多个图像，根据所述第一属性组合改变该多个图像的属性，获得第一过程图像；
S3构建卷积神经网络，将所述第一过程图像输入到该卷积神经网络，并结合优化算法，训练图像识别模型，获得训练结果；该训练结果包括数据集的预测值；
S4基于该预测值，结合数据集的真实值，通过E-S判断方法，获得第一属性组合的判断结果；
S5将该第一属性组合的判断结果与预设阈值进行比较，筛选出未达到预设阈值的待优化属性组合；
S6重复多次执行所述步骤S1至S5，获得待优化属性组合系列；
S7在该待优化属性组合系列中进行随机挑选，获得第二属性组合；
S8将数据集分成多个批次的子数据集，根据所述第二属性组合改变每个批次的子数据集的图像的属性，获得第二过程图像；
S9将所述第二过程图像输入到所述卷积神经网络，并结合所述优化算法，训练所述图像识别模型；
S10重复多次执行所述步骤S7至S9；
S11重复多次执行所述步骤S1至S10，获得训练完成的图像识别模型。


2.根据权利要求1所述的方法，其特征在于，所述的通过最小权重随机搜索算法，从数据集的图像属性中获得第一属性组合，该第一属性组合包括数据集的图像的五个属性包括：
S11通过算式W1＝W2＝......＝Wi＝1i∈[1,N](1)、和Wsn＝{Wsn1，Wsn2......Wsni}i∈[1,N](3)获得上一步计算后每个图像属性对应的权重Ws_last；其中，算式(1)用于设定第i个待搜索图像属性的权重，N为待搜索对象的总个数；算式(2)表示第i个待搜索图像属性在初始期间的被搜索到的概率Psi都相同；算式(3)表示每次被搜索到的图像属性对应的权重值加1，在第n次搜索时第i个对象对应的权重为Wsni；
S12通过算式和获得每个图像属性的被搜索概率Pssn1,Pssn2.....Pssni；其中，算式(4)用于计算第n次第i个图像属性的权重对应的权重概率Pwsni；算式(5)用于计算图像属性被搜索的概率P′s...

【专利技术属性】
技术研发人员：谭志，刘兴业，曹红玉，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：北京;11