【CN110084318A】一种结合卷积神经网络和梯度提升树的图像识别方法【专利】.docVIP

(19) 中华人民共和国国家知识产权局 G06K 9/62(2006. 01) G06N 3/04(2006. 01) G06N 3/08(2006. 01) 权利要求书3页说明书7页附图2页 权　利　要　求　书 1. 一种结合卷积神经网络和梯度提升树的图像识别方法， 其特征在于，包括如下步骤： 步骤1，生成输入图像的图像补丁： 根据输入图像长和宽的中心值将输入图像均匀的分 为4张图像作为输入图像的图像补丁； 步骤2，输入图像的样本扩充和数据预处理： 对原始图像和生成的图像补丁进行样本扩 充，对扩充后的图像数据进行预处理， 将图像和对应标签组合， 根据图像样本的数量分为一 定大小的批次作为卷积神经网络模型的输入数据； 步骤3，训练卷积神经网络模型： 采用五个分支， 原图像和每一个补丁图像分别对应一 个分支作为输入的数据， 每个分支中采用改进后的VGG - 19模型，所述的VGG- 19模型是在 2014年ILSVRC挑战赛上使用的模型， 使用类感知损失函数对所述模型进行训练； 所述改进 后的VGG- 19模型为： 使用迁移学习的方法利用已经训练好的VGG - 19模型的结构、权重及偏值参数， 将所述 模型的倒数第二层压缩为一维向量， 用2048个神经元组成的全连接层替换最后一层卷积 层； 损失函数，给损失函数加上类间相似性的罚值， 所述类间相似性为： 提取图像的特征与该图 像所属