基于免疫理论的卷积神经网络模型的图像识别方法

摘要

本发明涉及一种基于免疫理论的卷积神经网络模型的图像识别方法，包括如下步骤：结合免疫理论对卷积神经网络模型进行重构，获得基于免疫理论的卷积神经网络模型；具体为：1)已知图像预处理；2)构建卷积神经网络模型；3)构建抗体记忆库；4)待识别图像获取及抗原检测；5)抗原与抗体之间亲和力计算及抗体选择；6)模型重构；7)输出识别结果；本发明利用基于免疫理论的卷积神经网络模型中的分类器根据重构后的卷积神经网络特征提取层中的特征确定待识别图像样本所属的二级标签类别，完成图像识别过程。本发明的图像识别方法可有效实现图像识别功能。

主权项

基于免疫理论的卷积神经网络模型的图像识别方法，其特征是，利用基于免疫理论的卷积神经网络模型完成图像识别过程，具体包括如下步骤：(1)已知图像预处理：对已知图像进行预处理，获得多重标签图像样本；然后对多重标签图像样本进行分类，具体为属于同一一级标签类别的多重标签图像样本共同组成一多重标签数据集，不同的多重标签数据集共同组成多重标签数据库；(2)构建卷积神经网络模型：依次构建卷积神经网络模型的输入层、特征提取层和分类操作层，其中输入层大小与多重标签数据库中多重标签图像样本大小一致；(3)构建抗体记忆库：多重标签数据库的多重标签数据集训练构建的卷积神经网络模型至模型效果最佳时，停止训练，此时卷积神经网络模型卷积层中的卷积核共同组成最优卷积核集合，将获得的最优卷积核集合视为抗体，记抗体的类别为一级标签类别，即多重标签数据集的类别，然后将训练得到的不同最优卷积核集合共同组成抗体记忆库；(4)对待识别图像进行预处理及抗原检测：对输入的待识别图像进行预处理，然后利用不变去噪自动编码器作为特征检测器提取待识别图像的特征，将上述特征记为未知抗原；(5)未知抗原与抗体之间亲和力计算及抗体选择：选择亲和力函数计算未知抗原与抗体之间的亲和力，根据计算结果选择与所述待识别图像最匹配的抗体，即最优抗体；(6)重构卷积神经网络模型：使用最优抗体对卷积神经网络卷积核的卷积核参数重新赋值完成模型重构，获得重构后的基于免疫理论的卷积神经网络模型；(7)输出待识别图像的类别：利用卷积神经网络模型中的分类器根据重构后的卷积神经网络特征提取层中提取的特征确定待识别图像所属的二级标签类别，并输出识别结果，完成图像识别过程。