[发明专利]一种人工智能框架进行CNN迭代训练方法

权利要求书

1.一种人工智能框架进行CNN迭代训练方法，包括样本集，其特征在于：包括以下步骤：

S1、构建CNN网络结构，所述CNN网络结构为训练网络，此训练网络包括三个卷积层、两个池化层和一个输出层；其中：

第一层是卷积层，采用Relu激活函数，卷积方式为带边卷积；

第二层是池化层，按照最大值池化；

第三层是卷积层，采用Relu激活函数，卷积方式为带边卷积；

第四层是卷积层，采用Relu激活函数，卷积方式为带边卷积；

第五层是池化层，采用Relu激活函数；

第六层是输出层，采用Softmax激活函数；

S2、将样本集送入步骤S1建立的训练网络中进行识别训练，训练完成后得到CNN网络；

S3、用测试程序把得到的CNN网络对未知样本集进行分类识别，再辅以人工矫正，进行迭代训练，得到新的的CNN网络；

S4、重复步骤S3，根据反向梯度算法中的梯度变化动态调整学习率，学习率逐步减小至预设的值，直到梯度变化在一定时间内变化小于阈值，那么系统将自行停止训练，得到最终的CNN网络。

2.根据权利要求1所述的一种人工智能框架进行CNN迭代训练方法，其特征在于：所述样本集为视频图像样本集，所述视频图像样本集由截取视频样本的关键帧得到。

3.根据权利要求2所述的一种人工智能框架进行CNN迭代训练方法，其特征在于：还包括对视频图像样本集进行分类。

4.根据权利要求2所述的一种人工智能框架进行CNN迭代训练方法，其特征在于：还包括在视频样本集中按照预设的尺寸抽取测试集和训练集。

5.根据权利要求2所述的一种人工智能框架进行CNN迭代训练方法，其特征在于：所述所述步骤S2中还包括对训练集图像进行变换的方法，图像变换的方法包括横向平移、纵向平移，旋转、改变图像对比度、改变明亮度、设置模糊区域范围及模糊程度和调整噪声大小，并且对每类变换都可详细控制变换数量。

6.根据权利要求2所述的一种人工智能框架进行CNN迭代训练方法，其特征在于：还包括对样本集进行预处理的方法：包括对视频图像先进行灰度处理，然后进行图像压缩，最后进行像素值归一化处理。