一种用于图像分类的卷积神经网络结构设计方法技术

本发明专利技术公开了一种用于图像分类的卷积神经网络结构设计方法，方法包括以下步骤：构建卷积神经网络的Unit基本单元；选择卷积神经网络的连接方式并构建对应的Block；根据对应的Block选择卷积神经网络深度；添加卷积神经网络的输入层与输出层，得到构建完成的TCRNet网络。本发明专利技术有益效果是：相较于传统的网络结构泛化性能能更好，不容易过拟合。不容易过拟合。不容易过拟合。

【技术实现步骤摘要】
一种用于图像分类的卷积神经网络结构设计方法


[0001]本专利技术涉及神经网络结构设计领域，尤其涉及一种用于图像分类的卷积神经网络结构设计方法。

技术介绍

[0002]图像分类任务是计算机视觉领域的核心任务也是很多其他研究内容的工作基础，图像分类的好坏会直接影响到计算机视觉的其他任务，因此图像分类任务作为基础性的工作得到了广泛的研究，其中一种主流的方法就是深度卷积神经网络。
[0003]近年来随着深度学习的不断发展，涌现了一大批基于卷积神经网络的模型用于处理图像分类任务。现在的研究重点都在朝着如何设计轻量化的网络以便部署到一些性能较弱的平台或者用于提高计算速度，更加关注在网络的卷积的构造与的卷积块的构造，但是却忽略了网络结构的设计，最先考虑网络结构设计并提出了残差结构的ResNet网络取得了巨大的成功，之后的网络大都参考ResNet网络的设计在自己的网络结构中加入了残差结构，在不增加参数的情况下，能够提高网络的性能，也有助于加深网络结构，但是很多网络只是采用了这一策略，并没有进行深入研究。虽然ResNet创新的提出和使用了残差的思想，但本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于图像分类的卷积神经网络结构设计方法，其特征在于：包括以下步骤：S1、构建卷积神经网络的Unit基本单元；S2、选择卷积神经网络的连接方式并构建对应的Block；S3、根据对应的Block选择卷积神经网络深度；S4、添加卷积神经网络的输入层与输出层，得到构建完成的TCRNet网络。2.如权利要求1所述的一种用于图像分类的卷积神经网络结构设计方法，其特征在于：步骤S1中所述Unit基本单元由四个依次连接的部分组成，分别为：卷积层、标准化层、激活函数和池化层。3.如权利要求1所述的一种用于图像分类的卷积神经网络结构设计方法，其特征在于：步骤S2中卷积神经网络的连接方式包括两种，分别为Block串联和双通道耦合残差连接。4.如权利要求3所述的一种用于图像分类的卷积神经网络结构设计方法，其特征在于：Block串联方式中，每个Block由四个依次连接的Unit单元组成，分别为Unit1‑
Unit4；其中Unit1与Unit2之间设有根据残差连接的两个卷积层是否有差异而进行相应变换的参数f1；Unit3与Unit4之间设有根据残差连接的两个卷积层是否有差异而进行相应变换的参数f2；Unit2与...

【专利技术属性】
技术研发人员：石申，上官星辰，何勇，袁哲丽，魏辰光，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：