【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种图像分类方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、vgg模型(visual geometry group，视觉几何组)为一种深度卷积神经网络模型，在现有的vgg模型中，使用最大池化层来提取特征中响应最大、最强烈的部分来输入到下一层。但是在网络较深的地方，特征尺寸比较小，包含的语义信息比较多，因此，在进入全连接层之前的最后一个最大池化层的特征提取能力和降维能力就比较弱，导致后面需要更多的全连接层来提升模型效果，从而使得模型中需要学习的参数数量增加，降低模型的工作效率。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高模型工作效率的图像分类方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种图像分类方法，所述方法包括：
3、获取历史图像数据集和预构建的卷积神经网络，利用所述历史图像数据集对所述预构建的卷积神经网络进行训练，所述预构建的卷积神经网络包括多层卷...
【技术保护点】
1.一种图像分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述卷积层的总层数比所述最大池化层的总层数多一层，每两层卷积层间存在一层最大池化层，所述全局平均池化层位于最后一层卷积层之后，所述全连接层位于所述全局平均池化层之后。
3.根据权利要求1所述的方法，其特征在于，所述将所述目标图像数据输入训练后的卷积神经网络，得到所述目标图像数据相应的特征向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述全连接层和所述特征向量，确定目标图像的目标图像类别，包括：
5.根据权利要求4...
【技术特征摘要】
1.一种图像分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述卷积层的总层数比所述最大池化层的总层数多一层，每两层卷积层间存在一层最大池化层，所述全局平均池化层位于最后一层卷积层之后，所述全连接层位于所述全局平均池化层之后。
3.根据权利要求1所述的方法，其特征在于，所述将所述目标图像数据输入训练后的卷积神经网络，得到所述目标图像数据相应的特征向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述全连接层和所述特征向量，确定目标图像的目标图像类别，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述预测类别向量和归一化指数函数，确定目标图像的目标图...
【专利技术属性】
技术研发人员：刘景怡，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。