公开(公告)号：CN110942106A

公开(公告)日：2020-03-31

申请号：CN201911279242.8

申请日：2019-12-13

Applicant: 东华大学

Inventor： 卢婷 ,  杨贺群 ,  胡念妍 ,  刘国华 ,  郭文静

IPC: G06K9/62

Abstract: 本发明涉及一种基于平方平均的池化卷积神经网络图像分类方法。本发明采用梯度下降法对网络中的权值和阈值参数进行逐层的反向调节，以获取网络参数的最优解。其中池化层通过设定池化窗口的大小和步长的大小进行池化运算，目的是减小特征图维度，池化规模一般为2x2。虽然最大值池化能够更多地保留图像的纹理特征，却忽略了背景特征信息。因此在池化层中使用平方平均池化运算方法，对特征矩阵进行平方平均运算，通过平方平均运算更好的保留图像的纹理和背景特征。图像经过一系列卷积层池化层后，最后得到的是一系列的特征图，然后将这些特征图中的像素依次取出，融合成一个向量传给分类器。

公开(公告)号：CN110942106B

公开(公告)日：2023-11-07

申请号：CN201911279242.8

申请日：2019-12-13

Applicant: 东华大学

Inventor： 卢婷 ,  杨贺群 ,  胡念妍 ,  刘国华 ,  郭文静

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及一种基于平方平均的池化卷积神经网络图像分类方法。本发明采用梯度下降法对网络中的权值和阈值参数进行逐层的反向调节，以获取网络参数的最优解。其中池化层通过设定池化窗口的大小和步长的大小进行池化运算，目的是减小特征图维度，池化规模一般为2x2。虽然最大值池化能够更多地保留图像的纹理特征，却忽略了背景特征信息。因此在池化层中使用平方平均池化运算方法，对特征矩阵进行平方平均运算，通过平方平均运算更好的保留图像的纹理和背景特征。图像经过一系列卷积层池化层后，最后得到的是一系列的特征图，然后将这些特征图中的像素依次取出，融合成一个向量传给分类器。