【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间上的探索度较低，会使得种群盲目性的进化脱离实际运用；同时算法不具备提高对局部优解的搜索能力，增加计算机运行负载，因此现有的神经网络架构搜索方法所获得的结果不具备严谨的指导性，不能运用于地下城市管道的分类。
技术实现思路
1、专利技术目的：为了克服现有技术中的不足，本专利技术提供一种基于种群相似度引导的地下城市管道图像分类方法，通过本专利技术的方法使
2、技术方案：第一方面本专利技术提供一种基于种群相似度引导的地下城市管道图像分类方法，包括：
3、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；
4、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，并基于地下城市管道验证数据集对种群中的各个个体权重进行预测，获得各个个体在地下城市管道验证数据集上的预测分布向量和各个个体的适应度；
5、根据个体在地下城市管道验证数据集上的预测分布向量，计算种群中各个个体之间的宏观网络相似度；通过基于神经网络的个体网络搜索空间，获得种群中相邻个体在地下城市管道验证数据集上之间的微观单元相似度；以及对各个个体的适应度进行排序，选择部分适应度高于其它的个体；
6、根据宏观网络相似度和微观单元相似度，生成种群相似矩阵；
7、部分适应度高于其它的个体代入种群相似矩阵计算相似度，获得部分适应度高于其它个体所对应的相似度最高个体，用于作为第一类父集；以及采用二元锦标赛算法对部分适应度高于其它的个体进行随机选择，获得第二类父集，其中，第一类父集和第二类父集的个体数量总和等同于种群中个体的数量；
8、第一类父集和第二类父集分别通过单点交叉算子进行个体的交叉概率计算，获得第一类父集和第二类父集所对应的第一类子集和第二类子集；
9、根据个体适应度对第一类父集和第二类父集以及第一类子集和第二类子集进行迭代的重置判断，确定最终父集和子集；并合并最终父集和子集；
10、根据合并的最终父集和子集，确定适应度最高个体并输出最高个体，作为地下城市管道图像分类的最优神经网络架构。
11、在进一步的实施例中，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：
12、对地下城市管道图像数据集进行翻转、裁剪操作，获得裁剪、翻转后的地下城市管道图像数据集；
13、对裁剪、翻转后的地下城市管道图像数据集按照9:1的数量关系进行划分，获得训练数据集和验证数据集。
14、在进一步的实施例中，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。
15、在进一步的实施例中，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：
16、对搜索空间中神经网络节点的连接进行二进制编码，获得神经网络节点之间的边；
17、对搜索空间中神经网络节点的操作进行实数编码，获得搜索空间中神经网络节点的顺序排列；
18、按照每个神经网络节点的顺序排列进行连接和操作编码，获得基于单元神经网络架构的各个个体的编码结果。
19、在进一步的实施例中，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：
20、将训练数据集输入基于神经网络的个体网络搜索空间进行训练，获得分类误差；
21、将分类误差导入到交叉熵损失函数计算获得损失值；
22、使用损失值进行反向传播计算出梯度；
23、根据梯度，获得个体权重；并根据个体权重更新个体网络搜索空间；
24、其中，初始化个体网络搜索空间训练迭代次数为25，学习率初始值为0.1，使用余弦退火策略进行学习率衰减，使用sgd优化算法作为个体网络算法优化器；
25、在个体网络更新过程中，若发现个体网络训练迭代次数达到上限或损失值收敛止预设范围内稳定时，则停止训练个体网络，用于验证集的预测；否则继续训练个体网络；
26、交叉熵损失函数的计算公式为：
27、
28、式中，class表示目标数据集的类别数量，i表示导入训练数据集的类别序号，p(xi)表示训练数据集的第i类的真实分布，q(xi)表示个体网络预测第i类的分布，p(xi)logq(xi)表示第i类的损失值，表示目标数据集上所有类别的损失值。
29、在进一步的实施例中，基于地下城市管道验证数据集对种群中的各个个体权重进行预测，获得各个个体在地下城市管道验证数据集上的预测分布向量和各个个体的适应度的方法包括：
30、根据停止训练的个体网络搜索空间，确定种群中的各个个体权重；
31、根据验证数据集分别对种群中的各个个体权重进行计算，获得各个个体权重在验证数据集上的预测分布向量，其中，通过验证数据集上各个类别分别对各个个体权重进行类别权重向量的验证计算本文档来自技高网...
【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
6.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，基于地下城市管道验证数据集对种群中的各个个体权重进行预测，获得各个个体在地下城市管道验证数据集上的预测分布向量和各个个体的适应度的方法包括：
7.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，根据个体在地下城市管道验证数据集上的预测分布向量，计算种群中各个个体之间的宏观网络相似度的方法包括：
8.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，通过基于神经网络的个体网络搜索空间，获得种群中相邻个体在地下城市管道验证数据集上之间的微观单元相似度的方法包括：
9.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，根据宏观网络相似度和微观单元相似度，生成种群相似矩阵的方法包括：
10.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，根据个体适应度对第一类父集和第二类父集以及第一类子集和第二类子集进行迭代的重置判断，确定最终父集和子集的方法包括：
...【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。