一种改进型Top-k损失函数分步训练的图像分类算法制造技术

本发明专利技术公开一种改进型Top

【技术实现步骤摘要】
一种改进型Top
‑
k损失函数分步训练的图像分类算法


[0001]本专利技术属于图像分类领域，尤其涉及一种基于深度学习的改进型Top
‑
k损失函数分步训练的图像分类系统。

技术介绍

[0002]在日常生活的各个领域，图像分类发挥着日益重要的作用，图像分类(Image Classification)技术应运而生。为进一步实现图像的正确分类，给定一组各自被标记为单一类别的图像，我们对一组新的测试图像的类别进行预测，并测量预测的准确性结果成为研究重点。传统的图像分类算法提取手工设计的特征，而手工设计的特征具有较大的局限性且难于设计，因此仍无法胜任一些复杂的任务，如K邻算法(KNN)、支持向量机(SVM)等算法，设计往往难度较高，特征提取及分类器算法的组合繁琐，难以实现很高的分类准确率。
[0003]近年来深度学习不断被应用于图像分类系统中。目前，深度学习方法在实际应用方面取得了很多突破性的成绩，逐渐成为了人工智能的重要工具。卷积神经网络是深度学习算法的一种，深度特征相比较于传统的手工设计的特征，优点在于不需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进型Top
‑
k损失函数分步训练的图像分类算法，其特征在于，包括模块：(1)图像数据预处理模块(2)深度学习特征提取模块(3)系统预测输出模块。2.根据权利要求1所述的一种改进型Top
‑
k损失函数分步训练的图像分类算法，其特征在于，模块(1)中的图像数据预处理模块，对输入的图像数据进行预处理，模块(2)中的深度学习特征提取模块，包括使用深度学习使用一种改进型Top
‑
k损失函数分步训练的改进，所述分类器模块是深度学习网络全连接层，模块(3)的系统预测输出模块，对分类器的输出进行处理后输出判定结果。3.根据权利要求1所述的一种改进型Top
‑
k损失函数分步训练的图像分...

【专利技术属性】
技术研发人员：邓泽林，胡钰聪，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：