[发明专利]一种基于路径多样性与一致性的动态路由网络学习方法

权利要求书

1.一种基于路径多样性与一致性的动态路由网络学习方法，其特征在于，包括以下步骤：

S1、获取用于训练的图像分类数据集，并将数据集分为若干批次，作为网络输入；

S2、针对用于图像分类的目标卷积神经网络，将其分为若干子结构并在子结构前增加动态路由结构，构建得到基于路径选择的动态路由网络模型；

S3、将S1中的数据分批次输入S2中构建的动态路由网络模型中，结合路径的一致性约束和多样性约束，对模型进行训练；

S4、基于S3中训练得到的动态路由网络模型，对每一个子结构前的动态路由结构输出进行二值化，得到动态预测模型，用于对输入图像进行分类。

2.如权利要求1所述的基于路径多样性与一致性的动态路由网络学习方法，其特征在于，所述S1中，用于训练目标任务的图像数据集，包括图像组其中I_i为第i张图像，K为图像组中的图像数目；将图像组划分为若干批次，每个批次中包含L张图像。

3.如权利要求2所述的基于路径多样性与一致性的动态路由网络学习方法，所述S2中，建立基于路由选择的基础网络模型的过程如下：

将卷积神经网络按Block为单位，划分成N个网络子结构，其中F_j(x_j-1)表示第j个子结构，第j个子结构的输入x_j-1为上一个子结构的输出；在每个子结构前添加用于选择跳过或执行当前子结构的动态路由结构R_j；

所述动态路由结构的输入为上一个子结构的输出，第j个动态路由结构的动态路由结构输出r_j为：

r_j＝softmax(β·softmax(Conv(x_j-1)))[0]

其中Cony为3×3卷积模型，β为自适应可学习参数，r_j为[0，1]范围内的连续值；

对带有动态路由结构的第j个子结构而言，其输出为：

x_j＝r_jF_j(x_j-1)+(1-r_j)x_j-1。