[发明专利]决定方法以及记录介质

权利要求书

1.一种决定方法，用于决定卷积神经网络的构造，包括：

取得步骤，取得使用学习用图像群学习了权重的N个滤波器作为初始值，其中，N是大于等于1的自然数；以及

分割步骤，通过追加针对所述N个滤波器中的至少一个实施了在图像处理领域中所使用的变换后的滤波器，使所述N个滤波器增加到比所述N个多的M个滤波器，其中，M是大于等于2的自然数；

合并步骤，通过对所述M个滤波器进行聚类并选择簇中心的滤波器，将所述M个滤波器合并成比所述M个少的L个滤波器，其中，L是大于等于1的自然数，

在所述分割步骤中，

包括分割评价步骤，在该分割评价步骤中，使用所述学习用图像群，使所述M个滤波器学习权重，由此，评价所述M个滤波器的辨识性能，

当在所述分割评价步骤中评价出的辨识性能在所述N个滤波器的辨识性能以下的情况下，再次进行所述分割步骤；

在所述合并步骤中，

包括合并评价步骤，在该合并评价步骤中，使用所述学习用图像群，使所述L个滤波器学习权重，由此，评价所述L个滤波器的辨识性能，

当在所述合并评价步骤中评价出的辨识性能在所述M个滤波器的辨识性能以下的情况下，再次进行所述合并步骤。

2.根据权利要求1所述的决定方法，

在所述合并步骤中，使用k-means法将所述M个滤波器聚类成预先确定的L个簇。

3.根据权利要求1所述的决定方法

在所述合并步骤中，使用近邻传播法对所述M个滤波器进行聚类。

4.根据权利要求1至3中任一项所述的决定方法，

所述变换包括随机决定的角度下的旋转变换，

在所述分割步骤中，追加针对所述N个滤波器中的至少一个实施了所述旋转变换后的滤波器。

5.根据权利要求1至3中任一项所述的决定方法，

所述变换包括随机决定的标准偏差的高斯噪声的赋予，

在所述分割步骤中，追加针对所述N个滤波器中的至少一个实施了所述高斯噪声的赋予后的滤波器。

6.根据权利要求1至3中任一项所述的决定方法，

所述变换包括进行变换以使得成为随机决定的对比度的对比度变换，

在所述分割步骤中，追加针对所述N个滤波器中的至少一个实施了所述对比度变换后的滤波器。

7.根据权利要求1至3中任一项所述的决定方法，

所述变换包括进行变换以使得成为随机决定的尺度的尺度变换，

在所述分割步骤中，追加针对所述N个滤波器中的至少一个实施了所述尺度变换后的滤波器。

8.一种记录介质，记录有程序，所述程序用于使计算机执行卷积神经网络的构造的决定，包括：

取得步骤，取得使用学习用图像群学习了权重的N个滤波器作为初始值，其中，N是大于等于1的自然数；以及

分割步骤，通过追加针对所述N个滤波器中的至少一个实施了在图像处理领域中所使用的变换后的滤波器，使所述N个滤波器增加到比所述N个多的M个滤波器，其中，M是大于等于2的自然数；

合并步骤，通过对所述M个滤波器进行聚类并选择簇中心的滤波器，将所述M个滤波器合并成比所述M个少的L个滤波器，其中，L是大于等于1的自然数，

在所述分割步骤中，

包括分割评价步骤，在该分割评价步骤中，使用所述学习用图像群，使所述M个滤波器学习权重，由此，评价所述M个滤波器的辨识性能，

当在所述分割评价步骤中评价出的辨识性能在所述N个滤波器的辨识性能以下的情况下，再次进行所述分割步骤；

在所述合并步骤中，

包括合并评价步骤，在该合并评价步骤中，使用所述学习用图像群，使所述L个滤波器学习权重，由此，评价所述L个滤波器的辨识性能，

当在所述合并评价步骤中评价出的辨识性能在所述M个滤波器的辨识性能以下的情况下，再次进行所述合并步骤。