[发明专利]一种图像中垃圾的分类方法及装置

权利要求书

1.一种图像中垃圾的分类方法，其特征在于，所述方法包括：

针对所收集的样本图片，提取出样本图片的特征值，其中，所述特征值包括：颜色、亮度、形状、纹理、大小中的一种或组合；将对应的目标物分类信息作为标签标记图像特征值和样本图像，得到训练集；

利用训练集训练预先搭建的神经网络模型直至收敛，得到目标网络模型；

利用目标网络模型识别待识别目标物的分类。

2.根据权利要求1所述的一种图像中垃圾的分类方法，其特征在于，预先搭建的神经网络模型包括：

4个卷积层好4个池化层依次交替串联组成特征提取层；

特征提取层将提取结果输出到全连接层，全连接层之后串联有输出层。

3.根据权利要求2所述的一种图像中垃圾的分类方法，其特征在于，所述神经网络模型中的各个神经元的激活函数为：

其中，

y为神经元的输出；函数f(x)为激活函数；w为与上一个神经元之间连接的权重；x_i为上一层中第i个神经元的输出值；θ为神经元的激活阈值。

4.根据权利要求2所述的一种图像中垃圾的分类方法，其特征在于，全连接层中的神经元使用的激活函数为：

其中，

S(y₁)为对应于分类(y₁)的分类概率；(y₁)为全连接层的输出；(y_j)为全连接层第j个神经元的输出。

5.一种图像中目标物的分类装置，其特征在于，所述装置包括：

提取模块，用于针对所收集的样本图片，提取出样本图片的特征值，其中，所述特征值包括：颜色、亮度、形状、纹理、大小中的一种或组合；将对应的目标物分类信息作为标签标记图像特征值和样本图像，得到训练集；

训练模块，用于利用训练集训练预先搭建的神经网络模型直至收敛，得到目标网络模型；

分类模块，用于利用目标网络模型识别待识别目标物的分类。

6.根据权利要求5所述的一种图像中目标物的分类装置，其特征在于，预先搭建的神经网络模型包括：

4个卷积层好4个池化层依次交替串联组成特征提取层；

特征提取层将提取结果输出到全连接层，全连接层之后串联有输出层。

7.根据权利要求6所述的一种图像中目标物的分类装置，其特征在于，所述神经网络模型中的各个神经元的激活函数为：

其中，

y为神经元的输出；函数f(x)为激活函数；w为与上一个神经元之间连接的权重；x_i为上一层中第i个神经元的输出值；θ为神经元的激活阈值。

8.根据权利要求6所述的一种图像中目标物的分类装置，其特征在于，全连接层中的神经元使用的激活函数为：

其中，

S(y₁)为对应于分类(y₁)的分类概率；(y₁)为全连接层的输出；(y_j)为全连接层第j个神经元的输出。