[发明专利]基于卷积神经网络的图像分类方法、装置及卷积神经网络

权利要求书

1.一种基于卷积神经网络的图像分类方法，其特征在于，所述卷积神经网络包括：第一处理层、两个以上并行的子卷积神经网络层及第二处理层；所述第一处理层的输出端分别与所述两个以上并行的子卷积神经网络层的输入端连接，所述两个以上并行的子卷积神经网络层的输出端分别与所述第二处理层的输入端连接；输入所述第一处理层的数据经所述第一处理层处理后，能够分别通过所述两个以上并行的子卷积神经网络层进行处理，处理得到的两个以上的子处理结果能够在所述第二处理层叠加得到处理结果；所述方法包括：

获取第一数据，所述第一数据表征为多个图像和与每个图像对应的类别信息；

基于所述第一数据对所述卷积神经网络进行训练；

利用基于所述第一数据训练得到的所述卷积神经网络，对待识别图像进行识别，得到与所述待识别图像对应的类别信息。

2.根据权利要求1所述的方法，其特征在于，所述子卷积神经网络层包括混合卷积层；其中，所述混合卷积层包括：子输入层、子处理层和并行的五个子卷积分支；所述子输入层的输出端分别与所述并行的五个子卷积分支的输入端连接，所述并行的五个子卷积分支的输出端分别与所述子处理层的输入端连接；通过所述子输入层输入所述混合卷积层的数据能够分别通过所述并行的五个子卷积分支进行处理，处理得到的五个子卷积分支处理结果能够在所述子处理层叠加得到混合卷积层处理结果。

3.根据权利要求2所述的方法，其特征在于，所述并行的五个子卷积分支包括：第一子卷积分支、第二子卷积分支、第三子卷积分支、第四子卷积分支和第五子卷积分支；其中；

所述第一子卷积分支包括依次连接的一个第一卷积核和两个第二卷积核；

所述第二子卷积分支包括依次连接的一个第一卷积核和两个扩展卷积核；

所述第三子卷积分支包括一个第一卷积核；

所述第四子卷积分支包括依次连接一个平均池和一个第一卷积核；

所述第五子卷积分支包括依次连接的一个第一卷积核和两个并行的第二卷积核。

4.根据权利要求2所述的方法，其特征在于，所述第一处理层包括依次连接的两个卷积层、一个池化层和一个卷积层；

所述第二处理层包括依次连接的一个卷积层、一个池化层和两个卷积层。

5.根据权利要求1所述的方法，其特征在于，所述基于所述第一数据对所述卷积神经网络进行训练，包括：

依据所述第一数据进行训练数据的构建；

对构建的训练数据进行预处理，得到目标训练数据；

基于所述目标训练数据对所述卷积神经网络进行训练。

6.根据权利要求5所述的方法，其特征在于，所述对构建的训练数据进行预处理，得到目标训练数据，包括：

将所述图像的尺寸压缩为预设尺寸。

7.一种基于卷积神经网络的图像分类装置，其特征在于，所述卷积神经网络包括第一处理层、两个以上并行的子卷积神经网络层及第二处理层；所述第一处理层的输出端分别与所述两个以上并行的子卷积神经网络层的输入端连接，所述两个以上并行的子卷积神经网络层的输出端分别与所述第二处理层的输入端连接；输入所述第一处理层的数据经所述第一处理层处理后，能够分别通过所述两个以上并行的子卷积神经网络层进行处理，处理得到的两个以上的子处理结果能够在所述第二处理层叠加得到处理结果；所述装置包括：

数据处理单元，用于获取第一数据，所述第一数据表征为多个图像和与每个图像对应的类别信息；

训练单元，用于基于所述第一数据对所述卷积神经网络进行训练；

识别单元，用于利用基于所述第一数据训练得到的所述卷积神经网络，对待识别图像进行识别，得到与所述待识别图像对应的类别信息。