一种应用early stopping实现的图像分类方法技术

本发明专利技术涉及一种应用early stopping实现的图像分类方法，属于图像分类领域，包括以下步骤：对获得的图像进行预处理；搭建深度卷积网络训练模型并且将符合其网络模型结构的early stopping方法贯彻其中；利用改进好的深度卷积网络模型对图像数据集进行特征的提取和增强；应用交叉熵损失函数(Cross Entropy Loss Function)进行模型参数更新；应用early stopping方法提取出来干净的数据并进行网络再次训练；使用Softmax函数进行图像的分类。本发明专利技术能够有效解决模型过拟合的问题，在保证训练过程中模型分类精准度不降低的情况下提高模型的收敛速度。

【技术实现步骤摘要】

本专利技术涉及图像分类，特别涉及一种应用early stopping实现的图像分类方法.

技术介绍

1、一幅图像本身包含着丰富的空间信息，它反映了图像中物体的方位、形状、大小，内部构造以及物体同周边事物的联系，因此对图像的分类研究具有重大的意义。研究图像的识别与分类技术应用于在生物技术、航空航天、农业种植、环境监测、矿业勘探等方方面面。

2、在图像识别和分类的
中，多数方法依旧是以深度卷积网络为基础搭建训练网络模型，通过大批量的图像训练网络模型，通过不断优化网络模型的参数在最终的测试环节得到较高的识别精确度。但是现有的普通卷积神经网络(convolutionneuralnetworks，cnn)在训练过程中应用到的图像并不完全是完美的，会拥有一定数量的具有缺陷的图像，这一类图像会导致训练的网络模型向着更为糟糕的趋势发展，这会导致图像的最终分类将准度降低。

技术实现思路

1、针对上述的不足，本专利技术提供了一种应用early stopping实现的遥感图像分类方法，解决了在训练过程中网络模型向本文档来自技高网...

【技术保护点】

1.一种应用early stopping实现的图像分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种应用early stopping实现的图像分类方法，其特征在于，所述步骤一包括：

3.根据权利要求1所述的一种应用early stopping实现的图像分类方法，其特征在于，所述步骤二包括：

4.根据权利要求1所述的一种应用early stopping实现的图像分类方法，其特征在于，所述步骤三包括：

5.根据权利要求1所述的一种应用early stopping实现的图像分类方法，其特征在于，所述步骤四包括：

6.根...

【技术特征摘要】

1.一种应用early stopping实现的图像分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种应用early stopping实现的图像分类方法，其特征在于，所述步骤一包括：

3.根据权利要求1所述的一种应用early stopping实现的图像分类方法，其特征在于，所述步骤二包括：

4.根据权利要求1所述的一种应用early stopping实现的...

【专利技术属性】
技术研发人员：赵锟，张鸿星，李娟，郝思媛，聂廷远，曾诗雯，
申请(专利权)人：青岛理工大学，
类型：发明
国别省市：