一种基于有偏选择池化的图像分类方法

    公开(公告)号:CN116630697B

    公开(公告)日:2024-04-05

    申请号:CN202310552011.X

    申请日:2023-05-17

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于有偏选择池化的图像分类方法,所述方法包括:数据预处理并定义模型,定义一组超参数[α1,α2,…,αk],初始化掩膜[β1,β2,…,βk]中的参数;定义优化器、损失函数和学习率衰减策略,设定包括学习率lr、迭代次数epoch、批量大小batch等超参数;将训练集送入模型,进行前向传播,图像经过卷积层提取局部特征。本发明通过调整超参数来实现不同的特征提取目标,解决了传统图像分类中使用最大池化或者平均池化所带来的保留的信息不够准确等问题,提高了图像分类的准确性,同时本发明相较于最大值池化和平均池化而言更加灵活,可以更好的适应各种不同的数据特征和任务。

    一种基于有偏选择池化的图像分类方法

    公开(公告)号:CN116630697A

    公开(公告)日:2023-08-22

    申请号:CN202310552011.X

    申请日:2023-05-17

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于有偏选择池化的图像分类方法,所述方法包括:数据预处理并定义模型,定义一组超参数[α1,α2,...,αk],初始化掩膜[β1,β2,...,βk]中的参数;定义优化器、损失函数和学习率衰减策略,设定包括学习率lr、迭代次数epoch、批量大小batch等超参数;将训练集送入模型,进行前向传播,图像经过卷积层提取局部特征。本发明通过调整超参数来实现不同的特征提取目标,解决了传统图像分类中使用最大池化或者平均池化所带来的保留的信息不够准确等问题,提高了图像分类的准确性,同时本发明相较于最大值池化和平均池化而言更加灵活,可以更好的适应各种不同的数据特征和任务。

Patent Agency Ranking