[发明专利]一种建立图像分类神经网络模型及图像分类方法、装置

权利要求书

1.一种建立图像分类神经网络模型的方法，其特征在于，包括：

获取包含已分类图像的训练集；

根据密集连接卷积神经网络模型的密集块中各卷积层之间的距离，确定输入所述密集块中各卷积层的特征图的数量，形成第二密集连接卷积神经网络模型；

使用所述训练集对所述第二密集连接卷积神经网络模型进行训练，生成图像分类神经网络模型；

其中，根据密集连接卷积神经网络模型的密集块中各卷积层之间的距离，确定输入所述密集块中各卷积层的特征图的数量，形成第二密集连接卷积神经网络模型，包括：

获取所述密集块中各卷积层之间的距离和相邻两个所述卷积层之间传递的特征图的数量；

根据所述密集块中各卷积层之间的距离和相邻两个所述卷积层之间传递的特征图的数量，确定输入所述密集块各卷积层的特征图数量增长率；

根据所述增长率，确定输入所述密集块中各卷积层的特征图的数量，形成第二密集连接卷积神经网络模型；

其中，通过如下公式确定输入所述密集块各卷积层的特征图数量增长率G：

其中，ΔL表示所述密集块中第一层卷积层与最后一层卷积层之间的距离，h表示相邻两个所述卷积层之间的距离，s表示第一层卷积层输出的特征图的数量，s₀表示相邻两个所述卷积层之间传递的特征图的数量；

通过如下公式确定输入所述密集块中各卷积层的特征图的数量，s_L表示输入第L层卷积层的特征图的数量，L为大于等于2的正整数：

其中，s₁表示输入所述密集块第一层卷积层的特征图的数量，l表示向第L层卷积层输入特征图的卷积层。

2.一种图像分类方法，其特征在于，包括：

获取待分类图像数据；

使用如权利要求1所述的图像分类神经网络模型对所述待分类图像数据进行分类。

3.一种建立图像分类神经网络模型的装置，其特征在于，包括：

训练集获取模块，用于获取包含已分类图像的训练集；

第二卷积神经网络模型建立模块，用于根据密集连接卷积神经网络模型的密集块中各卷积层之间的距离，确定输入所述密集块中各卷积层的特征图的数量，形成第二密集连接卷积神经网络模型；

图像分类神经网络模型生成模块，用于使用所述训练集对所述第二密集连接卷积神经网络模型进行训练，生成图像分类神经网络模型；

其中，所述第二卷积神经网络模型建立模块包括：

距离和数量参数获取模块，用于获取所述密集块中各卷积层之间的距离和相邻两个所述卷积层之间传递的特征图的数量；

增长率确定模块，用于根据所述密集块中各卷积层之间的距离和相邻两个所述卷积层之间传递的特征图的数量，确定输入所述密集块各卷积层的特征图数量增长率；

第二卷积神经网络模型形成模块，用于根据所述增长率，确定输入所述密集块中各卷积层的特征图的数量，形成第二密集连接卷积神经网络模型；

其中，所述增长率确定模块通过如下公式确定输入所述密集块各卷积层的特征图数量增长率G：

其中，ΔL表示所述密集块中第一层卷积层与最后一层卷积层之间的距离，h表示相邻两个所述卷积层之间的距离，s表示第一层卷积层输出的特征图的数量，s₀表示相邻两个所述卷积层之间传递的特征图的数量；

所述第二卷积神经网络模型形成模块通过如下公式确定输入所述密集块中各卷积层的特征图的数量，s_L表示输入第L层卷积层的特征图的数量，L为大于等于2的正整数：

其中，s₁表示输入所述密集块第一层卷积层的特征图的数量，l表示向第L层卷积层输入特征图的卷积层。

4.一种图像分类装置，其特征在于，包括：

待分类图像数据获取模块，用于获取待分类图像数据；

图像分类模块，用于使用如权利要求3所述的图像分类神经网络模型对所述待分类图像数据进行分类。

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1所述的建立图像分类神经网络模型的方法或如权利要求2所述的图像分类方法。

6.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1所述的建立图像分类神经网络模型的方法或如权利要求2所述的图像分类方法。