本发明涉及一种基于信息无损池化的深度卷积神经网络方法,用于图像分类,包括下列步骤:收集各种不同类别的图像,并标注图像类别,作为图像标签信息;图像集划分,将收集的图像划分为训练集,验证集和测试集;设计基于信息无损池化的卷积神经网络结构,包括所用的卷积层层数和信息无损池化层的层数,设计卷积层中滤波器的个数,设计信息无损池化层的高斯平滑滤波器参数,池化窗口尺寸以及用于特征融合的卷积滤波器结构,设计网络训练循环迭代的次数和网络最终收敛条件,并初始化网络参数;将训练数据批量的输入到该网络中,进行计算和训练。
声明:
“基于信息无损池化的深度神经网络方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)