[发明专利]一种分类检测网络模型的构建方法

权利要求书

1.一种分类检测网络模型的构建方法，其特征在于，包括以下步骤：

步骤1、获取待分类对象图像的训练样本，建立训练模型数据集，将所述训练模型数据集输入第一卷积网络模型中进行训练，得到权重文件；

步骤2、将所述权重文件输入第二卷积网络模型中，得到每层卷积网络对应的特征图和原图像；

步骤3、将每层所述卷积网络对应的特征图和原图像输入图像质量评价算法得到评价结果；

步骤4、根据所述评价结果选择第一卷积网络模型中每层网络对应的合适卷积操作步长、增加卷积核的数量，形成新的卷积网络参数；

步骤5、利用所述新的卷积网络参数更新第一卷积网络模型，得到分类网络模型。

2.根据权利要求1所述的一种分类检测网络模型的构建方法，其特征在于，步骤1具体包括：

步骤1.1、获取待分类对象图像的训练样本，建立训练模型数据集，所述训练模型数据集包括训练集、验证集、预测集，并生成训练集标记文件、验证集标记文件、预测集标记文件；

步骤1.2、将训练集的标记文件作为训练数据、验证集的标记文件作为验证数据输入第一卷积网络模型中进行训练，得到权重文件。

3.根据权利要求1所述的一种分类检测网络模型的构建方法，其特征在于，所述第二卷积网络为反卷积网络。

4.根据权利要求1所述的一种分类检测网络模型的构建方法，其特征在于，所述步骤2具体包括：第二卷积网络模型将权重模型文件中每层卷积网络对应的卷积核滤波器中存储的特征值提取出来，并投影到对应的像素空间，得到每层卷积网络的特征图，并提取每层卷积网络对应的输出图像，与特征图对应输出原图像。

5.根据权利要求1所述的一种分类检测网络模型的构建方法，其特征在于，所述步骤3具体包括：将所述特征图作为失真图像与原图像进行对比，得到特征图的质量评价结果。