[发明专利]一种基于AlexNet网络的强化训练方法

权利要求书

1.一种基于AlexNet网络的强化训练方法，其特征在于，当网络完成一次前向传播后，将网络的输出结果与该图像对应的标签对比，若网络输出结果与标签不同则累加该图像的错分类的次数；当网络Epoch次数大于等于K次时，对训练集中图像的错判次数进行从大到小进行排序，并根据排序结果将被AlexNet网络错分类次数前N的图像进行n倍的数据增强处理，将被网络错分类次数前M-N（NM）的图像进行m倍的数据增强处理，将增强后的图像加入原始的训练集中形成新的训练集，然后重新计算Iteration次数，并设置Iteration次数，进入下一次的网络训练；当网络Epoch次数大于K次时，则删除上次增强的数据，并根据训练集中被AlexNet网络错分类的图像的累计次数进行图像排序，然后将被AlexNet网络错分类次数前N的图像进行n倍的数据增强处理，将被网络错分类次数前M-N（NM）的图像进行m倍的数据增强处理，将增强后的图像加入原始的训练集中形成新的训练集，然后重新计算Iteration次数，并设置Iteration次数，进入下一次的网络训练。

2.根据权利要求1所述的基于AlexNet网络的强化训练方法，其特征在于，具体步骤如下：

步骤一：卷积神经网络的初始化；

步骤二：判断是否到达网络训练的Epoch次数，若是，则结束，否则执行步骤三；

步骤三：判断Epoch次数是否大于等于K次，若是，则执行步骤九，否则，则执行步骤四；

步骤四：判断是否到达设置的Iteration次数，若是，则跳转至步骤二，否则执行步骤五；

步骤五：卷积神经网络前向传播输出图像分类结果；

步骤六：将卷积神经网络输出结果与图像的标签作比较比较，累计每张图像被误分类的次数；

步骤七：反向传播计算误差梯度；

步骤八：更新网络权值，跳转至步骤四；

步骤九：判断是否大于K次，若是执行步骤十，若否执行步骤十一；

步骤十：删除上次增强的图像；

步骤十一：对数据集中的所有图像根据图像被错分类的次数进行从大到小的排序；

步骤十二：选取被错判前N的图像增强n倍，选取被错判前(M-N)的图像增强m倍，作为该次增强的图像加入到原训练集中构成新的训练集；

步骤十三：重新计算训练集的Iteration次数，设置Iteration，跳转至步骤五。