[发明专利]一种基于ReLU激活函数的卷积神经网络的花卉识别方法

摘要

本发明公开了一种基于ReLU激活函数的卷积神经网络的花卉识别方法，属于图像识别技术领域,包括步骤设置CNN基本参数；初始化权值和偏置项，逐层设计卷积降采样层；生成随机序列，每次选取50个样本进行批训练，完成前向过程、误差传导和梯度计算过程、并将梯度求和更新到权重模型中，用于下一步更新权重；调用已设置好的训练函数和更新函数进行训练，并测试样本的准确率，本发明可以在光照、旋转、遮挡条件的影响下高速有效地进行花卉识别。

主权项

一种基于ReLU函数的卷积神经网络的花卉识别方法，其特征在于，具体包括以下步骤：步骤1：通过图像灰度化和双线性插值法对花卉图像进行预处理：步骤2：对CNN的基本参数进行设置，并初始化CNN的权重和偏置项；CNN的基本参数包括CNN的卷积层、CNN的降采样层的数量、CNN的卷积核的大小、CNN的降采样的降幅、CNN的网络结构及CNN的训练参数；步骤3：设置用于训练CNN的函数，所述函数包括前向过程中的输出函数和反向过程中的梯度计算函数，选取N个花卉图像样本进行批次训练，其中N取正整数：设置用于训练CNN的函数的过程如下：步骤3.1，通过设置前向过程中的输出函数，对CNN每一层的输入做函数运算，将函数输出结果逐层传递；步骤3.2，计算真实值与预测值的误差，通过设置反向过程中的梯度计算函数，利用最小化梯度和法修改CNN每一层的权值和偏置项；步骤4，训练并调用步骤3设置好的函数，完成对所选取N个花卉图像样本的识别。