[发明专利]用于AI芯片的智能图像处理方法

权利要求书

1.一种用于AI芯片的智能图像处理方法，其特征在于，包括：

采集用户眼部数据进行训练，将训练图像集进行符号转换得到虹膜特征代码；

将训练图像集的虹膜特征代码与样本图像集进行匹配，实现虹膜识别；

所述将训练图像集进行符号转换得到虹膜特征代码，进一步包括：

从多个采样通道的多个特征中选择至少一个特征作为对应虹膜的一次特征代码组合，由该特征代码组合的单位特征向量形成对应的特征矩阵；

从多个样本中确定识别率最高和错误率最低的特征矩阵；将确定的特征矩阵利用CNN过程进行模型训练以形成定义虹膜的CNN模型；

首先随机初始化权重矩阵；对特征矩阵进行正则化；正则化为多个样本在F个通道中同一个特征的最大差值；确定单隐藏层的节点数k：

其中a为输入层节点数，b为输出层节点数，为常数；

依次输入P个学习样本，并记录当前输入的是第p个样本；

依次计算各层的输出；

其中隐藏层的神经元j输入为net_pj＝∑_iw_jio_ji；而且o_pj是神经元j的输出，w_ji是第i个神经元到第j个神经元的权重，

输出层神经元的输出为：o_pl＝∑_jw_lio_pj

第p个样本的误差性能指标

t_pl是神经元l的目标输出；

如果p＝P，则校正各层的权重；输出层及隐藏层的连接权重w_lj校正为：

隐藏层及输入层的连接权重w_ji学习过程为：

n为迭代次数，η为学习速率，η∈[0，1]；

然后对所述各层的权重加入调节因数α，此时的权重为：

其中，调节因数的取值α∈[0，1]；

按照新的权重重新计算各层的输出，如果每个样本均满足输出和目标输出的差小于预定义阈值，或者达到了预设的学习次数，则过程停止。