【技术实现步骤摘要】
本专利技术属于自动化机器学习，具体涉及一种基于种群相似度引导的地下城市管道图像分类方法。
技术介绍
1、深度学习已经在图像分类、目标检测和自然语言处理等各种计算机视觉领域取得了巨大的成功，其中深度卷积神经网络成为其主要的模型之一。迄今为止，已经出现了许多手工设计的深度卷积神经网络，在许多公共数据集上展现了优秀的性能。然而，地下城市管道用于市政城市服务，其种类与各种类的用途存在错综复杂的关系，因此地下城市管道图像分类模型的构建需要专家不断的设计网络架构并且需要从头训练网络架构直至收敛，此过程需要大量的人力资源和硬件资源，因此提供神经网络架构搜索算法，克服这些挑战；
2、神经网络架构搜索算法能够在给定的特定任务上自动搜索适当的网络架构，现有的神经网络架构搜索算法为基于种群的优化算法，根据生物演化过程中的优胜劣汰机制和遗传规律求解优化问题，因具备全局的搜索能力而被广泛适用于神经网络架构搜索当中；
3、但是基于遗传算法的神经网络架构搜索方法，在搜索过程中没有学习种群潜在的经验知识来指导种群的进化，这会导致前期种群在搜索空...
【技术保护点】
1.一种基于种群相似度引导的地下城市管道图像分类方法，其特征在于，包括：
2.根据权利要求1所述的基于种群相似度引导的地下城市管道图像分类方法，其特征在于，获取地下城市管道图像数据集，对地下城市管道图像数据集进行预处理获得地下城市管道训练数据集和地下城市管道验证数据集的方法包括：
3.根据权利要求1所述的基于种群相似度引导的地下城市管道图像分类方法，其特征在于，所述基于神经网络的个体网络搜索空间采用基于种群的遗传算法搜索策略构建而成，其中，基于神经网络的个体网络搜索空间预设有遗传代数数量，用于指定子集和父集的迭代次数；以及对搜索空间中神经网络节...
【技术特征摘要】
1.一种基于种群相似度引导的地下城市管道图像分类方法，其特征在于，包括：
2.根据权利要求1所述的基于种群相似度引导的地下城市管道图像分类方法，其特征在于，获取地下城市管道图像数据集，对地下城市管道图像数据集进行预处理获得地下城市管道训练数据集和地下城市管道验证数据集的方法包括：
3.根据权利要求1所述的基于种群相似度引导的地下城市管道图像分类方法，其特征在于，所述基于神经网络的个体网络搜索空间采用基于种群的遗传算法搜索策略构建而成，其中，基于神经网络的个体网络搜索空间预设有遗传代数数量，用于指定子集和父集的迭代次数；以及对搜索空间中神经网络节点的连接和操作进行二进制编码和实数编码，获得个体网络搜索空间中各个个体的编码结果。
4.根据权利要求3所述的基于种群相似度引导的地下城市管道图像分类方法，其特征在于，个体网络搜索空间中各个个体的编码结果的获取过程包括：
5.根据权利要求1所述的基于种群相似度引导的地下城市管道图像分类方法，其特征在于，将地下城市管道训练数据集导入基于神经网络的个体网络搜索空间进行训练，获得种群中的各个个体权重的方法包括：
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。