[发明专利]基于改进CNN的简单学习框架的图像分类方法

权利要求书

1.一种基于改进CNN的简单学习框架的图像分类方法，其特征在于，包括以下步骤：

S1)输入一张图像I；

S2)将图像I分为大小为m×m的图像块集合，每一块用I_i(i＝1,2,…,n)表示；

S3)将I_i输入到卷积神经网络中进行训练，其包括：

S3.1)用大小为9×9的卷积核对图像I_i做卷积处理；

S3.2)对上一步骤输出的特征图做3×3个单元的池化操作；

S3.3)用大小为5×5的卷积核做卷积处理；

S3.4)对上一步骤输出的特征图做3×3个单元的池化操作；

S3.5)用大小为3×3的卷积核做卷积处理；

S3.6)对上一步骤输出的特征图做3×3个单元的池化操作；

S4)通过三层全连接层处理得到一维的矩阵；同时使用dropout正则化操作，以避免过拟合；

S5)将神经网络中的输出结果输入到分类器里，输出得到分类结果。

2.如权利要求1所述的图像分类方法，其特征在于，在步骤S3.1中，用大小为9×9，步数为4，输出为96的卷积核对图像I_i做卷积处理，每个卷积层的输出通过ReLU激活函数，ReLU函数如下表示:

f(x)＝max(0,x)， (1)

当输入信号小于0时，输出为0，当输入信号大于0时，输出等于输入。

3.如权利要求2所述的图像分类方法，其特征在于，在步骤S3.2中，对步骤S3.1输出的特征图做3×3个单元，步数为2，输出为96的池化操作，采用重叠池化采样以避免过拟合。

4.如权利要求3所述的图像分类方法，其特征在于，在步骤S5中，采用softmax函数作为目标函数完成图像分类。