发明名称 |
一种有效提升卷积神经网络稳健性的方法 |
摘要 |
本发明公开了一种有效提升卷积神经网络稳健性的方法,包括:在前向传递时,对输入特征图进行随机二维变换再进行卷积操作,最终得到输入特征图的分类结果的预测值;在反向传递时,将得到的预测值与真实值之间的误差进行反向传递,计算出各个层的参数对应的梯度,再将参数沿着梯度的反方向进行更新;重复上述前向传递过程与反向传递过程直至预定次数后,获得最佳参数的模型;在测试时,对最佳参数的模型进行测试,从而提升卷积神经网络稳健性。该方法用于图像分类和检索时,仅仅需要在训练过程中引入逐层的随机二维变换,无需引入新的特征提取模块、新的参数或者对输入图像做额外的处理,从而有效提升卷积神经网络稳健性,并降低图像处理的复杂度。 |
申请公布号 |
CN106339753A |
申请公布日期 |
2017.01.18 |
申请号 |
CN201610682828.9 |
申请日期 |
2016.08.17 |
申请人 |
中国科学技术大学 |
发明人 |
田新梅;沈旭;何岸峰;孙韶言;陶大程 |
分类号 |
G06N3/04(2006.01)I;G06N3/08(2006.01)I |
主分类号 |
G06N3/04(2006.01)I |
代理机构 |
北京凯特来知识产权代理有限公司 11260 |
代理人 |
郑立明;郑哲 |
主权项 |
一种有效提升卷积神经网络稳健性的方法,其特征在于,包括:在前向传递过程中,对输入特征图进行随机二维变换再进行卷积操作,最终得到输入特征图的分类结果的预测值;在反向传递过程中,将得到的预测值与真实值之间的误差进行反向传递,计算出各个层的参数对应的梯度,再将参数沿着梯度的反方向进行更新;重复上述前向传递过程与反向传递过程直至预定次数后,获得最佳参数的模型;在测试过程中,对最佳参数的模型进行测试,从而提升卷积神经网络稳健性。 |
地址 |
230026 安徽省合肥市包河区金寨路96号 |