[发明专利]一种基于VGG深度卷积网络的自然场景图像识别方法

摘要

本发明提供了一种基于VGG深度卷积网络的自然场景图像识别方法，本发明方法通过在VGG19网络前两个最大池化层前分别加入BatchNorm策略，使训练网络更容易拟合；通过训练好的网络在训练样本和验证样本上作检测，以类别概率区间为节点对样本重新细分类，并对细分样本进行增广重训练，达到精细区分不同自然场景图像，提高难分场景和错分场景的识别率，进而提高整个网络对自然场景图像的识别率。

主权项

1.一种基于VGG深度卷积网络的自然场景图像识别方法，其特征在于，包括以下步骤：步骤一、对n类样本Si,i＝1,2,...,n进行数据增广，将增广后的样本分成训练样本集Ii和验证样本集Ii；步骤二、在经数据集训练过的VGG19网络的前两个最大池化层前分别加入BatchNorm批量标准化策略；步骤三、对步骤二得到的网络设置网络学习率和每批次的训练数据量得到改进后的VGG19网络，利用改进后的VGG19网络对训练样本集Ii进行迁移学习训练，并对验证样本集Ii进行验证；步骤四、根据步骤三中的训练精度、验证精度和损失函数曲线选择相对最优一代训练网络参数代入改进后的VGG19网络得到识别网络I，利用识别网络I对每类样本进行检测识别，记录每个样本的正确识别概率；步骤五、根据每个样本的正确识别概率将每类样本分成q小类，并将错分样本加入到正确识别概率最低区间类别；步骤六、根据每一小类数据量情况对每一小类样本进行数据增广，并对增广后的每一小类样本随机分成训练样本集IIj、验证样本集IIj和测试样本集j，j＝1,2,...,qn；步骤七、冻结识别网络I的卷积层的网络参数，以只调节识别网络I的全连接层网络参数的方式训练训练样本集IIj，并验证验证样本集IIj；步骤八、根据步骤七中的训练精度、验证精度和损失函数曲线选择相对最优代训练网络参数代入识别网络I构成识别网络II，利用识别网络II对测试样本集j进行识别。