[发明专利]一种基于残差网络的图像聚类方法

权利要求书

1.一种基于残差网络的图像聚类方法，其特征在于，包括以下步骤：

步骤一：对图像数据集进行数据处理；

步骤二：搭建基于残差模块的卷积神经网络Resnet50，并导入基于ImageNet数据集预训练的权重，根据输入尺寸配置输入层，输入层的输出作为Resnet50的输入，之后用展开层展平Resnet50的输出特征向量，再通过连接全连接层调整特征向量的维度，最后连接一层Softmax作为分类器；

步骤三：定义一种基于Keras中Layer类的聚类层，将步骤二的卷积神经网络中分类器的输入也作为聚类层的输入，以聚类层产生的聚类结果作为分类器的参考标签，对新的整个神经网络进行训练；

步骤四：结束训练后，利用该神经网络对图像数据集进行分类。

2.根据权利要求1所述的基于残差网络的图像聚类方法，其特征在于：神经网络进行训练过程中，其中聚类层的更新依据K均值聚类算法中各个向量与均值之间的方差作为损失函数，使得各个类中的特征向量与各个类质心之间的方差和最小；分类器模块的更新，通过分类器产生的标签和聚类层产生的标签之间的交叉熵作为损失函数进行梯度下降更新。

3.根据权利要求1所述的基于残差网络的图像聚类方法，其特征在于：步骤三中，将Keras中的可训练权重设置为与分类类别数量相同的聚类中心，采用统计学中的T分布，根据特征向量与聚类中心之间的距离进行属于各类概率的计算，进行归一化处理，输出一个维度与分类种类相同的向量，向量中各个值对应着属于各类的概率，总和为1。