[发明专利]一种基于遗传算法的卷积神经网络训练成果检测及可视化方法

权利要求书

1.一种基于遗传算法的卷积神经网络训练成果检测及可视化方法，其特征在于使用CNN中的卷积核，通过运用遗传算法拟合出神经网络学习到的特征，由数量巨大的CNN的卷积核拟合形成图像，该图像是CNN所认为的最符合当前学习内容的可视化表达；

实现输入一个标签，得到一幅由训练好的CNN认为正确的图像,以检测该卷积神经网络的训练成果。

2.根据权利要求1所述的一种基于遗传算法的卷积神经网络训练成果检测及可视化方法，其特征在于其具体实施步骤如下：

1)、已知给定训练好的卷积神经网络，提取训练好的卷积核；

2)、使用卷积核的ID和数量编码染色体；

3)、随机产生初始种群，世代数＝1；

4)、计算适应值，判断是否满足退出条件，满足退出条件则退出，得到最优可视化组合；

不满足退出条件，世代数大于1，则用适应值高的个体替换最低的个体，进行亲本染色体交叉和/或变异产生新的个体，世代数＝世代数+1，返回计算适应值。

3.根据权利要求2所述的一种基于遗传算法的卷积神经网络训练成果检测及可视化方法，其特征在于所述退出条件包括种群中个体最大适应度超过预先设定值、种群中个体的平均适应度超过预先设定值或世代数超过预先设定值。

4.根据权利要求2或3所述的一种基于遗传算法的卷积神经网络训练成果检测及可视化方法，其特征在于所述采用遗传算法的具体实现方式为：

1)、对种群初始化；

2)、使用适应度函数衡量解决方案的优劣；

3)、依据适者生存的原则，选择出合适的个体互相交配，生成下一代；

4)、进行基因操作，包括交叉和变异，在交叉和变异之后产生新的个体，再回到步骤2)使用适应度函数进行衡量，若适应度高于种群中已有的个体，则用新的个体替代适应度低的个体；

5)、继续进行新一轮的进化至适应度超过预先设定值，即满足退出条件。

5.根据权利要求4所述的一种基于遗传算法的卷积神经网络训练成果检测及可视化方法，其特征在于所述适应度函数使用Softmax函数。

6.根据权利要求4所述的一种基于遗传算法的卷积神经网络训练成果检测及可视化方法，其特征在于选择过程采用轮盘赌选择法。

7.根据权利要求4所述的一种基于遗传算法的卷积神经网络训练成果检测及可视化方法，其特征在于所述交叉是在亲本的染色体上随机选择一个或多个相同的点，将前后染色体互相对调，形成新的染色体；所述变异是随机时刻在随机的个体上发生的染色体改变。

8.根据权利要求7所述的一种基于遗传算法的卷积神经网络训练成果检测及可视化方法，其特征在于所述交叉根据交叉点数的不同分为单点交叉和多点交叉。

9.根据权利要求2所述的一种基于遗传算法的卷积神经网络训练成果检测及可视化方法，其特征在于染色体的编码为卷积核的编号。

10.根据权利要求9所述的一种基于遗传算法的卷积神经网络训练成果检测及可视化方法，其特征在于染色体的编码方式为：假设种群中的个体数为K，CNN训练时的输入图像像素为n*m，卷积核大小为a*b，则每个染色体的长度为ceil(n/a)*ceil(m/b)。