公开(公告)号：CN113807363B

公开(公告)日：2024-04-19

申请号：CN202111048042.9

申请日：2021-09-08

Applicant: 西安电子科技大学

Inventor： 田小林 ,  高原 ,  张力 ,  杨婷焦 ,  焦李成

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于轻量化残差网络的图像分类方法，主要解决现有图像分类方法的网络模型参数数量过多，图像特征信息利用不充分的问题，其实现方案是：获取训练样本集和测试样本集；对传统的残差单元进行更改，建立五个不同的轻量化单元块，并将其与全连接层、分类器依次级联，构成的轻量化残差网络图像分类模型；利用训练样本集采用反向传播算法对构建的图像分类模型进行训练；将测试样本集输入到训练好的轻量化残差网络图像分类模型中，得到分类结果。本发明不仅在图像分类任务中能够得到较高的图像分类准确率，而且减少了网络模型参数量，提高了网络的运行速度，可用于人脸、交通场景、医学图像的识别，图像检索和相册自动归类。

公开(公告)号：CN113807363A

公开(公告)日：2021-12-17

申请号：CN202111048042.9

申请日：2021-09-08

Applicant: 西安电子科技大学

Inventor： 田小林 ,  高原 ,  张力 ,  杨婷焦 ,  焦李成

IPC: G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于轻量化残差网络的图像分类方法，主要解决现有图像分类方法的网络模型参数数量过多，图像特征信息利用不充分的问题，其实现方案是：获取训练样本集和测试样本集；对传统的残差单元进行更改，建立五个不同的轻量化单元块，并将其与全连接层、分类器依次级联，构成的轻量化残差网络图像分类模型；利用训练样本集采用反向传播算法对构建的图像分类模型进行训练；将测试样本集输入到训练好的轻量化残差网络图像分类模型中，得到分类结果。本发明不仅在图像分类任务中能够得到较高的图像分类准确率，而且减少了网络模型参数量，提高了网络的运行速度，可用于人脸、交通场景、医学图像的识别，图像检索和相册自动归类。