[发明专利]一种基于感受野集成的神经网络图像分类器的优化方法有效
| 申请号： | 201910378614.6 | 申请日： | 2019-05-08 |
| 公开（公告）号： | CN110211041B | 公开（公告）日： | 2023-06-23 |
| 发明（设计）人： | 杨云;邵文昭 | 申请（专利权）人： | 云南大学 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40 |
| 代理公司： | 成都九鼎天元知识产权代理有限公司 51214 | 代理人： | 胡川 |
| 地址： | 650091 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 感受 集成 神经网络 图像 分类 优化 方法 | ||
【权利要求书】：
1.一种基于感受野集成的神经网络图像分类器的优化方法，包括以下步骤：将构建的神经网络在训练集上进行训练，优化出分类器模型；
利用测试集对训练出的分类器模型进行正确性检验；所述训练集和测试集分别包含若干样本图像；
其特征在于，在利用训练集对神经网络进行训练的过程中：
A.将优化过程划分为若干阶段，每个阶段均采用平移变换对训练集的样本进行处理，分别设置每个阶段的填充宽度、迭代次数和学习率，其中，至少两个阶段的填充宽度不同；在设置每个阶段的填充宽度和学习率时，所设置的各阶段的学习率与该阶段的填充宽度成正相关；
B.依据A所划分的各个阶段，依次对神经网络进行优化。
2.如权利要求1所述的优化方法，其特征在于，所述A所划分的各个阶段中，至少一个阶段被进一步划分为迭代次数和填充宽度相同、学习率不同的子阶段。
3.如权利要求1所述的优化方法，其特征在于，在所述A中设置各阶段的学习率时，不同阶段可以共享学习率；
或者，各阶段所设置的学习率逐渐减小。
4.权利要求1-3之一所述的优化方法，其特征在于，所划分的各阶段的填充宽度逐渐减小。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于云南大学，未经云南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910378614.6/1.html，转载请声明来源钻瓜专利网。
