一种基于卷积神经网络的图像分类方法和装置

摘要

本发明公开了一种基于卷积神经网络的图像分类方法和装置，所述方法通过接收输入的多个类别的图像样本，计算出每一个类别的图像对应的神经网络权值；采用分层结构对多个类别图像的对应神经网络权值进行分布，每一层形成对应的学库；对输入的测试类别图像样本数据进行处理得到对应的一维特征描述，将所述测试类别图像样本数据对应的一维特征描述与所述学库中的神经网络权值进行前馈学，从而判断出所述测试类别是否在所学的类别图像中；通过分层分布的结构解决了传统卷积神经网络在分类数量上的局限性，防止了卷积神经网络的过学问题，扩大了卷积神经网络本身的分类能力，并提高了分类的精确性，使得图像分类算法在新的环境中具有更高的鲁棒性。

主权项

一种基于卷积神经网络的图像分类方法，其特征在于，包括以下步骤：A、接收输入的多个类别的图像样本，对输入的每一个类别的图像样本数据进行归一化，将归一化后的图像样本数据进行卷积，再采用预定的非对称映射矩阵对卷积后的图像样本数据进行映射，并将映射后的图像样本数据进行排列得到对应的一维特征描述，根据所述一维特征描述计算出每一个类别的图像对应的神经网络权值；B、采用分层结构对多个类别图像的对应神经网络权值进行分布，且每一层分布的类别数目为根据所述非对称映射矩阵确定的最大区分类别数目，将多个类别图像在多层中依次分布，每一层形成对应的学习库；C、对输入的测试类别图像样本数据进行处理得到对应的一维特征描述，将所述测试类别图像样本数据对应的一维特征描述与所述学习库中的神经网络权值进行前馈学习，从而判断出所述测试类别是否在所学习的类别图像中。