[发明专利]一种基于VGG深度卷积网络的自然场景图像识别方法

权利要求书

1.一种基于VGG深度卷积网络的自然场景图像识别方法，其特征在于，包括以下步骤：

步骤一、对n类样本S_i,i＝1,2,...,n进行数据增广，将增广后的样本分成训练样本集LI_i和验证样本集YI_i；

步骤二、在经数据集训练过的VGG19网络的前两个最大池化层前分别加入BatchNorm批量标准化策略；

步骤三、对步骤二得到的网络设置网络学习率和每批次的训练数据量得到改进后的VGG19网络，利用改进后的VGG19网络对训练样本集LI_i进行迁移学习训练，并对验证样本集YI_i进行验证；

步骤四、根据步骤三中的训练精度、验证精度和损失函数曲线选择相对最优一代训练网络参数代入改进后的VGG19网络得到识别网络I，利用识别网络I对每类样本进行检测识别，记录每个样本的正确识别概率；

步骤五、根据每个样本的正确识别概率将每类样本分成q小类，并将错分样本加入到正确识别概率最低区间类别；

步骤六、根据每一小类数据量情况对每一小类样本进行数据增广，并对增广后的每一小类样本随机分成训练样本集LII_j、验证样本集YII_j和测试样本集j，j＝1,2,...,qn；

步骤七、冻结识别网络I的卷积层的网络参数，以只调节识别网络I的全连接层网络参数的方式训练训练样本集LII_j，并验证验证样本集YII_j；

步骤八、根据步骤七中的训练精度、验证精度和损失函数曲线选择相对最优代训练网络参数代入识别网络I构成识别网络II，利用识别网络II对测试样本集j进行识别。

2.如权利要求1所述的一种基于VGG深度卷积网络的自然场景图像识别方法，其特征在于，所述数据增广为利用旋转、平移和微小扭曲的仿射变换及亮度、对比度变换的方法进行数据增广。

3.如权利要求1所述的一种基于VGG深度卷积网络的自然场景图像识别方法，其特征在于，步骤二中加入BatchNorm批量标准化策略具体为：

对训练中某个batch数据x_p,p∈[1,m]，m是某个batch里的图像数据总数，计算均值μ和标准差σ，利用均值μ和标准差σ对x_p进行归一化得到然后作线性变换得到输出结果。