一種基于隨機卷積神經網絡的高分辨率圖像場景分類方法,包括數據去均值,獲得待分類圖像集和訓練圖像集;模型共享的參數庫隨機初始化;計算待分類圖像集和訓練圖像集的負梯度方向;訓練基礎卷積神經網絡模型,訓練基礎卷積神經網絡模型的權重;更新函數預測,得到加和模型;迭代達到最大訓練次時,利用加和模型對待分類圖像集進行識別。本發明使用深度卷積網絡對特征進行層次化學習,利用梯度提升方法進行模型的聚合學習,用來克服單個模型容易陷入局部最優解問題,同時提高網絡泛化能力;在模型訓練過程中,加入了隨機參數共享機制,提高模型的訓練效率,可以在合理的時間代價下實現對特征的層次化學習,學習到的特征在場景識別中更具有魯棒性。
聲明:
“基于隨機卷積神經網絡的高分辨率圖像場景分類方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)