[发明专利]一种基于深度学习的眼底图像识别分类方法

权利要求书

1.一种基于深度学习的眼底图像识别分类方法，其特征是：该方法由以下步骤实现：

步骤一、将读取的眼底图像数据集进行数据增强后分为初始训练集a和验证集c，对所述初始训练集a进行数据扩充获得训练集b1和训练集b2；

步骤二、将所述初始训练集a通过ResNet模型进行训练，获得训练结果a；将训练集b1和训练集b2输入通过AlexNet模型进行训练，将所述训练集b1的卷积基复用到训练集b2，再通过密集连接分类器生成分类标签，获得训练结果b；

步骤三、将步骤二获得的训练结果a和训练结果b进行融合，获得初始总体训练结果；采用步骤一所述的验证集c对所述初始总体训练结果进行验证，即：绘制权重分配与精确度曲线，利用爬山法找到最优值点，获得对应的权重分配数值，获得最终的训练结果。

2.根据权利要求1所述的一种基于深度学习的眼底图像识别分类方法，其特征在于：步骤一的具体过程为：

步骤一一、将读取的眼底图像数据集采用Sobel算子边缘检测进行图像增强；

步骤一二、将增强后的眼底图像数据集按照5：1的比例分为用于训练神经网络参数的训练集a和用于验证得到训练好的参数权重的验证集c；

步骤一三、将训练集a进行数据扩充，通过随机水平镜像和平移获得训练集b1，通过随机错切和缩放获得训练集b2，所述初始训练集a、训练集b1和训练集b2之间分别存在一一对应的映射关系。

3.根据权利要求1所述的一种基于深度学习的眼底图像识别分类方法，其特征在于：步骤二中，将训练集b1和训练集b2通过AlexNet模型进行训练，将所述训练集b1的训练过程分为卷积基和密集连接分类器两部分，训练训练集b2时，以训练集b1训练的卷积基作为初始参数进行更新，再将训练集b2连接到密集连接分类器中，通过密集连接分类器生成分类标签，获得训练结果b。