[发明专利]一种基于深度学习的图像识别方法

摘要

本发明公开了一种基于深度学习的图像识别方法，属于机器学习技术领域。该方法通过改进在图像处理领域表现良好的深度学习模型VGG模型，利用卷积层代替全连接层；对图像进行深度学习特征提取，然后把提取到的深度学习特征，通过支持向量机(SVM)进行训练，最后进行分类识别。本发明通过对医学图像的识别证明，本发明的图像识别方法能够有效的根据不同的分类标准，来判断输入的医学图像所属类别，同时该发明能大大的降低计算成本，来辅助医生诊断疾病。采用本发明的方法，可以从客观角度辅助医生诊断疾病，满足了医生的诊断要求，提高诊断效率，从而有效的减少误诊率。

主权项

一种基于深度学习的图像识别方法，其特征在于，包括如下步骤：步骤1，采集和扩充图像数据集：对有限的图像进行预处理，对图像的样本进行扩充；步骤2，设计卷积神经网络：所述卷积神经网络模型是在现有的VGG‑16模型的基础上利用卷积层代替全连接层构建；步骤3，训练卷积神经网络：采用反向传播算法和随机梯度下降方法，根据前向传播的loss值的大小，来进行反向传播迭代更新每一层的权重，直到模型的loss值趋向于收敛时，停止训练模型，得到深度学习模型；步骤4，提取图像的特征：将数据集中的每一幅图像输入到步骤3所述的深度学习模型中，针对输入的图像，在图像的倒数第二层全卷积层提取深度学习特征；步骤5，识别图像：对于给定任意一幅待识别的图像，输入到训练好的深度学习模型中，提取样本的深度学习特征，通过两次训练的方法来有效的判别该图像属于哪个类别。