[发明专利]一种图像分类模型的构建方法和图像分类方法

权利要求书

1.一种图像分类模型的构建方法，包括：

建立密集型神经网络，其中，所述密集型神经网络包含若干个密集块和过渡层，并且所有密集块通过所述过渡层以密集连接方式相连；

使用有限图像数据集，对所述密集型神经网络进行训练，形成图像分类模型，以利用所述图像分类模型完成图像分类任务。

2.根据权利要求1所述的构建方法，其特征在于，在建立密集型神经网络步骤中，包括：

确定所述密集型神经网络的总体结构及各密集块的内部结构，其中，不同的密集块包含不同组数个的基本神经网络结构；

确定当前模型训练所需的损失函数及相应的优化方法，以利用当前损失函数及优化方法对所述密集型神经网络进行训练。

3.根据所述权利要求2所述的构建方法，其特征在于，所述基本神经网络结构包括：瓶颈层、具有预设尺寸卷积核的卷积层、以及dropout层。

4.根据权利要求3所述的构建方法，其特征在于，所述预设尺寸优选为2，所述优化方法优选为自适应矩估计法，所述瓶颈层和所述卷积层的激活函数采用带泄露的修正线性单元。

5.根据权利要求2～4中任一项所述的构建方法，其特征在于，所述密集型神经网络包括：4个密集块和3个过渡层，其中，4个依次连接的密集块所对应的基本神经网路结构组数分别为6、12、24和16。

6.根据权利要求1～5中任一项所述的构建方法，其特征在于，在所述密集型神经网络中的最后一层密集块之后，依次连接有池化层和分类层，其中，所述分类层采用softmax函数实现。

7.根据权利要求1～6中任一项所述的构建方法，其特征在于，所述方法还包括：对所述密集型神经网络进行评估。

8.根据权利要求7所述的构建方法，其特征在于，在对所述密集型神经网络进行评估步骤中，包括：

为待构建的神经网络模型设置不同的超参数，并形成相应的所述密集型神经网络；

使用所述有限图像数据集对不同的所述密集型神经网络分别进行训练并测试，优选具有最佳超参数的密集型神经网络体系结构，从而确定最优密集型神经网络。

9.根据权利要求1～8中任一项所述的构建方法，其特征在于，所述有限图像数据集采用Oxford flower17图像数据集。

10.一种图像分类方法，其特征在于，所述图像分类方法利用如权利要求1～9中任一项所述的构建方法所生成的图像分类模型来实现。