一种基于改进的DenseNet的多尺度图像识别方法和装置制造方法及图纸

本申请提供了一种基于改进的DenseNet的多尺度图像识别方法和装置，该方法包括：构建改进的DenseNet多尺度网络，所述改进的DenseNet包括三个DenseBlock，相邻的DenseBlock之间通过横向过渡层连接，所述三个DenseBlock经过各自的纵向过渡层后进行交互拼接；训练所述改进的DenseNet多尺度网络；将待识别的图像输入至所述改进的DenseNet多尺度网络，对所述图像中的物体的类别进行识别预测。本申请的基于改进的DenseNet的多尺度图像识别方法和装置能够从不同角度增强对图像的理解，从而实现多尺度图像识别，同时增强了识别的精度和鲁棒性。别的精度和鲁棒性。别的精度和鲁棒性。

【技术实现步骤摘要】
一种基于改进的DenseNet的多尺度图像识别方法和装置


[0001]本申请涉及图像识别技术，特别涉及基于改进的DenseNet的多尺度图像识别方法和装置。

技术介绍

[0002]随着科学技术的发展，图像识别的技术也越来越成熟，从最初的LeNet-5，AlexNet，VGGNet到GoogleNet，ResNet，各种网络的构造，创新和发展，使得图像识别这门技术的应用面越来越广。
[0003]DenseNet网络是2017年提出的一种网络。图1示出了现有技术的DensetNet网络。图2示出了现有技术的DensetNet网络中的DenseBlock的结构。DenseNet网络从特征出发，通过对特征的极致利用达到更好的效果，简单来说，就是每一层的输入来自前面所有层的输出。然后最终的整体框架是把DenseNet分成3个denseblock，为了将每个denseblock内的featuremap的尺寸统一。DenseNet有着以下几点的优势：(1)减轻了梯度消失；(2)加强了feature的传递；(3)更有效地利用了feature；(4)一定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进的DenseNet的多尺度图像识别方法，其特征在于，包括：构建改进的DenseNet多尺度网络，所述改进的DenseNet包括三个DenseBlock，相邻的DenseBlock之间通过横向过渡层连接，所述三个DenseBlock经过各自的纵向过渡层后进行交互拼接；训练所述改进的DenseNet多尺度网络；将待识别的图像输入至所述改进的DenseNet多尺度网络，对所述图像中的物体的类别进行识别预测。2.根据权利要求1所述的基于改进的DenseNet的多尺度图像识别方法，其特征在于，所述三个DenseBlock为第一DenseBlock、第二DenseBlock和第三DenseBlock，第一DenseBlock经过第一纵向过渡层后的输出与第三DenseBlock经过第三纵向过渡层后的第三最终输出拼接，从而得到第一最终输出；第二DenseBlock经过第二纵向过渡层后的输出与所述第三最终输出拼接，从而得到第二最终输出。3.根据权利要求2所述的基于改进的DenseNet的多尺度图像识别方法，其特征在于，所述第一最终输出、所述第二最终输出和所述第三最终输出拼接。4.根据权利要求3所述的基于改进的DenseNet的多尺度图像识别方法，其特征在于，所述第一最终输出、所述第二最终输出和所述第三最终输出拼接后经过BN层、ReLU层和池化层，再经过Flatten层和全拼接层，得到所述图像属于每个类别的概率。5.根据权利要求1所述的基于改进的DenseNet的多尺度图像识别方法，其特征在于，过渡层包括BN层、ReLU层、1x1卷积层和2x2平均池化层。6.根据权利要求1所述的基于改进的DenseNet的多尺度图像识别方法，其特征在于，在每个DenseBlock中，每一层的输入来自前面所有层的输出。7.一种基于目标检测和改进的DenseNet的...

【专利技术属性】
技术研发人员：李灯熬，赵菊敏，褚晓晖，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：