CN115424076B - 一种基于自适应池化方式的图像分类方法 - Google Patents
一种基于自适应池化方式的图像分类方法 Download PDFInfo
- Publication number
- CN115424076B CN115424076B CN202211131518.XA CN202211131518A CN115424076B CN 115424076 B CN115424076 B CN 115424076B CN 202211131518 A CN202211131518 A CN 202211131518A CN 115424076 B CN115424076 B CN 115424076B
- Authority
- CN
- China
- Prior art keywords
- pooling
- value
- adaptive
- alpha
- size
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011176 pooling Methods 0.000 title claims abstract description 150
- 238000000034 method Methods 0.000 title claims abstract description 48
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 16
- 230000009466 transformation Effects 0.000 claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 7
- 230000003044 adaptive effect Effects 0.000 claims description 34
- 238000012549 training Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 3
- OFHCOWSQAMBJIW-AVJTYSNKSA-N alfacalcidol Chemical compound C1(/[C@@H]2CC[C@@H]([C@]2(CCC1)C)[C@H](C)CCCC(C)C)=C\C=C1\C[C@@H](O)C[C@H](O)C1=C OFHCOWSQAMBJIW-AVJTYSNKSA-N 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 230000000644 propagated effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 7
- 230000004913 activation Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Abstract
本发明公开了一种基于自适应池化方式的图像分类方法,将当前池化层的输入特征图按照池化层所给定的卷积核尺寸、步长和填充的大小,使用滑动窗口的方式分别展开为n个区域,每个区域分别对应有一个α值,采用自适应的方式,将特征图对应的n个区域经过采样后得到一系列t分布,再将其经过仿射变换后,结合当前的α值,动态地去调整α值的大小,进而就控制自适应池化动态的去改变输出特征点的选择,再将池化后的特征值折叠起来,就得到使用了不同程度的池化方式所对应的输出特征图。通过本发明,解决了传统图像分类中只能使用最大池化或者平均池化所带来的保留的信息不够准确等问题,从而能更好的利用的数据的实际情况,提高了模型分类的准确率。
Description
技术领域
本发明涉及模式识别、深度学习等相关技术领域,具体地,是一种使用了自适应池化方式的图像分类方法。
背景技术
随着深度学习的快速发展,深度神经网络能够在较为困难的学习任务上取得出色的表现,其中卷积神经网络一般会利用池化的方法来减小激活映射的大小,池化层的引入是仿照人的视觉系统对视觉输入对象进行降维和抽象,这个过程对于增加接受域和减少后续卷积的计算需求是至关重要的,池化操作的一个重要特性是最小化与初始激活映射相关的信息损失,并且不会对计算和内存开销造成重大影响,由于池化层会不断的减小数据的空间大小,因此参数量和计算量也会下降,在一定程度上也控制了过拟合。
为此,池化层成为当前卷积神经网络中常用的组件之一,用于模仿人的视觉系统对数据进行降维,能够用更高层次的特征表示图像,池化层一般的操作有:最大值池化、均值池化、随机池化、中值池化等等。其中最大值池化和均值池化是最常见并且应用最多的池化操作,最大值池化在前向传播过程中,选择图像区域中特征点的最大值作为该区域池化后的值,最大值池化的优点在于它能学习到图像的边缘和纹理结构;均值池化在前向传播过程中,选择图像区域中所有特征点的均值作为该区域池化后的值,它的优点是可以减小估计均值的偏移,更好的捕捉背景特征。
尽管最大值池化和均值池化都能在卷积神经网络中有较好的表现,但是由于最大值池化永远只会考虑区域中的最大值,而均值池化永远只会考虑区域的平均值,忽略了其它值的影响和作用,比如说该区域内的第二个或第三个最大的特征值,从而可能导致保留的信息不够准确,在减少激活映射中也可能会丢失更多的信息。
发明内容
本发明的目的是为了解决现有技术中的缺点,旨在提出的一种基于自适应池化方式的图像分类方法,能够自适应的选择每个区域内对应的池化输出值,弥补了最大值池化和均值池化只能进行选取最大值和均值的缺点,在增加接受域和减少后续卷积计算的同时,能够保留更多的信息。
为了实现上述目的,本发明采用了如下的技术方案,
一种基于自适应池化方式的图像分类方法,所述方法包括以下步骤:
步骤1:获取数据集并定义模型,初始化自适应池化层的α值;
步骤2:定义优化器、损失函数和学习率衰减策略,设定超参数大小,包括学习率、迭代次数、批大小、控制α更新的λ和ξ;
步骤3:将训练集送入模型,开始迭代训练,迭代次数设为epoch;
步骤3-1:神经网络前向传播,当经过第i层池化层时,将当前第i层的输入特征图通过给定的卷积核尺寸K[0]×K[11、填充大小P和步长大小S,使用滑动窗口的操作,提取出滑动的n个局部区域块,记为I=[X1,X2,...,Xn,],其中,每个局部区域块的大小为K[0]×K[1],其中一个区域内的特征值记为Xi={x1,x2,…,xT},T=K[0]×K[1];
步骤3-2:若epoch=1,则n个局部区域块使用初始化后的α值,否则使用上轮迭代后的α值;
步骤3-3:n个局部区域块,每个局部区域块特征值为Xi={x1,x2,...,xT},通过均值、方差和自由度计算得到n个与之对应的t分布,将其经过仿射变换得到预调整值α′,由α和两个超参数λ、ξ进行更新α大小;
步骤3-4:n个局部区域块,每个局部区域块特征值为Xi={x1,x2,...,xT},结合更新后的α值,经过自适应池化方式后得到池化后的特征值bi,bi可以由α值控制选择出Xi中的任意一个特征值,最后该自适应方式的输出为B=[b1,b2,…,bn,];
步骤3-5:将该自适应输出B=[b1,b2,...,bn,],经由滑动窗口的逆操作,折叠后还原回特征图的张量形式,得到该层池化层的输出特征图;
步骤4:前向传播结束后,经由分类器对模型输出的特征进行分类,计算损失并反向传播,直至迭代结束;
其中,在步骤3-1中,第i层的输入特征图的大小为[N,C,W,H],其中N为batch size的大小,C为特征图的通道数,W和H为特征图的尺寸;根据卷积核尺寸K[0]×K[1]、填充大小P和步长大小S,每个通道上的特征图大小,经由滑动窗口的方式得到n个K[0]×K[1]大小的局部区域块,其中:
其中,i∈{0,1},且spatialsi[0]=W,spatialsi[1]=H;每个通道上形成的n个局部区域块分别对应有一个α值。
其中,在步骤3-4中,所述的自适应池化方法为:
其中,每个局部区域块的特征值为X={x1,x2,...,xT},T=K[0]×K[1],b(α)为该局部区域块池化后的结果,α为控制区域内自适应池化程度的参数,并赋有初始值。
其中,在步骤3-3中,在神经网络第一轮结束之后,对于池化层的输入特征图,展开为n个局部区域块,每个局部区域块得到与之对应的t分布,通过对其均值μ、方差σ及自由度T进行仿射变换后,得到新的预调整值α′。
其中,在步骤3-3中,能动态调整α值,关键在于获得预调整值α′,α′由均值μ、方差σ及自由度T进行仿射变换后获得,仿射变换的方式通过线性插值的方法得到:
在一个确定的自由度T时,有:
α′=w11α′11+w12α′12+w21α′21+w22α′22,
其中,且σ1、σ2、μ1、μ2、α′11、α′12、α′21、α′22为根据训练数据反复实验所得到的结果。
其中,在步骤3-3中,经由仿射变换后得到的预调整值α′,需要经过两个超参数λ和ξ控制最终进行α值的更新,更新控制方式为:
α=λα+ξα′,
其中,λ,ξ∈[0,1],且λ+ξ=1。
其中,在步骤3-5中,将每个局部区域块进行池化后,将池化后的结果按照逆向展开的方式,将所有局部区域块的特征点,按照展开时的空间位置关系,重新折叠回特征图的张量形式,该形式也即是自适应池化层最终的输出结果。
其中,在步骤1中,α在网络初始进行训练时设有初始值,根据所述的自适应池化方法,其有如下性质:
因此当初始值为趋于0或无穷大时,初始化的池化方式近似于平均池化或最大值池化的方式,当随着不断动态调整α值时,池化的输出选择也会在不断发生改变,通过控制α的值,从而可以选择区域内任意的一个特征点进行输出。
其中,在步骤3-3中,更新α时存在两种特殊形式:(1)当λ=0,ξ=1时,即将仿射变换后得到的预调整值α′直接作为新的α值;(2)当λ=1,ξ=0时,即整个模型都只使用α的初始值进行训练和测试,不进行α的动态更新:若α的初始值趋于0时,表示模型中一直使用均值池化的方式;若α的初始值趋于正无穷时,表示模型中一直使用最大值池化的方式。
其中在步骤3-3中,自由度T由当前池化层所给定的卷积核尺寸大小决定,即:
T=K[0]×K[1],
其中K[0]×K[1]为池化层的卷积核尺寸。
上述方案中,当α趋于0时,b(α)相当于均值池化;当α趋于正无穷时,b(α)相当于最大值池化。
优选的,α的初始值可以选择为趋于0的值或是一个较大的正值,对应为初始均值池化或是最大值池化。
优选的,对于更新α的值的两个超参数,可以选择为λ=0,ξ=1,即为使用预调整的α′值更新α值;或者选择为λ=1,ξ=0,即为不使用动态更新的的方式,相当于使用均值池化或是最大值池化,因此自适应池化兼容均值池化和最大值池化的方法,其可选择性和可操作性更强。
优选的,可以将不同通道的同一个位置所提取出的局部区域块共享一个α值,进一步减少参数的使用。
优选的,自适应池化的方式除了可以应用于图像分类任务,同样可以应用于视觉问答任务和图像标注任务等等。
与现有的技术相比,本发明具有如下优点和有益效果:
1、本发明可以弥补最大池化和均值池化的缺点,通过控制α的值从而可以有选择的输出局部区域内特征点的任意一个值,也可以输出整个局部区域内的均值,避免了在整个特征图上只能选择进行最大值或者均值的输出,导致输出信息不准确等问题。
2、本发明也可以兼容最大值池化和均值池化方法,给定初始值α,当α趋于0时,自适应池化等同于均值池化;当α趋于正无穷时,自适应池化等同于最大池化;当不进行参数α的更新时,相当于整个模型在使用最大池化或者均值池化,有可选择性和可操作性更强的特点。
3、本发明综合考虑了图像的整体数据特征和纹理信息,其观察的信息和对输出的选择更加全面,并可以直接代替任何最大池化和均值池化等池化方式的网络中,具有可移植性。
4、本发明能够自主学习α值,在不同的数据集和不同的训练方法下,都可以学习出较为合适的池化方式,不需要额外的人为干预,同时避免了传统模型中只能采用固定的一种池化方式。
5、本发明可以适应不同的深度学习任务,除了可以适应不同的图像分类任务,例如二分类、多分类任务等等;还可以在其它任务上进行使用,例如视觉问答任务、图像标注任务等等。
6、本发明可以解决相关技术在图像分类任务存在分类正确率低的问题,可以在激活映射中保留更多的信息,显著提高了分类的准确性和鲁棒性,同时也可以对数据进行降维,达到减少运算量的目的。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要实用的附图作简单地介绍。
图1为本发明的自适应池化方式的算法框架;
图2为本发明的自适应池化方式的算法流程图;
图3为本发明的自适应池化方式与最大值池化、均值池化的对比示意图;
图4为本发明的自适应池化中特征图的变化过程。
具体实施方式
下面结合附图对本发明作进一步的详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例:如图1和图2所示为一种基于自适应池化方式的图像分类方法,该方法在整个模型训练中的过程具体包括:
(1)初始化实验迭代次数为K,i=1;
(2)模型中所有池化层层数为M,j=1,模型前向传播,直到第j层池化层;
(3)通过池化层所给定的卷积核尺寸K[0]×K[1]、填充大小P和步长S,使用滑动窗口的方式,将池化层的输入特征图,展开为n个局部区域块,其中,
其中i∈{0,1},且spatialsie[i]为特征图的尺寸,若迭代次数i=1,则需要初始化α值;
(4)若迭代次数i=1,则直接使用自适应池化的方式得到每个局部区域块的输出,自适应池化的方式为:
其中,X={x1,x2,...,xT},X为该局部区域块所对应的数据;
(5)若迭代次数i>1,则判断是否需要更新α值,若不需要更新α值,则直接使用α初始值再应用自适应池化的方式进行输出,若需要更新α值,则更新α值后再使用自适应池化的方式进行输出;
(6)若需要更新α值,则执行步骤(7)、步骤(8)、步骤(9);否则,执行步骤(10);
(7)将特征图通过采样每个区域后得到一系列t分布,其中自由度为卷积核的尺寸,即自由度T为:
n=K[0]×K[1],
其中K[0]×K[1]为池化层的卷积核尺寸;
(8)根据其采样后所得的均值μ、方差σ和自由度T计算预调整值α′,计算方法是通过由线性插值法得出:
对于一个确定的自由度T而言:
α′=w11α′11+w12α′12+w21α′21+w22α′22,
其中,且σ1、σ2、μ1、μ2、α′11、α′12、α′21、α′22为在训练数据上反复训练和实验的结果。
(9)更新α值时,控制α更新的两个超参数为λ和ξ,按照如下方式进行更新:
α=λα+ξα′,
其中,λ,ξ∈[0,1],且λ+ξ=1;若ξ>0,则需要更新;若ξ=0,则模型一直使用α初始值的方式;
(10)将每个局部区域块通过自适应池化得到的输出,通过滑动窗口的逆操作折叠为特征图的张量形式,即该层池化层所对应的输出;
(11)判断模型中的每层池化层是否全部执行,即判断j=M是否成立:若成立,则进入步骤(12);否则,j=j+1,返回步骤(2);
(12)模型前向传播完毕,开始反向传播;
(13)判断当前迭代是否执行完毕,即判断i=K是否成立:若成立,则进入步骤(14);否则,i=i+1,返回步骤(1)开启下一轮迭代;
(14)模型训练完毕,进行模型测试,结束。
具体的,所述的自适应池化的方式为:
其中,X={x1,x2,...,xT},X为该局部区域块所对应的数据,自适应池化有如下几个基本性质:
而最大值池化为:
即对区域内的特征点取最大值,Nm为该区域内特征点的数目;
均值池化为:
即对区域内的特征点取平均值,Nm为该区域内特征点的数目;
在自适应池化中,当α趋于正无穷时,自适应池化的结果相当于最大值池化;当α趋于0时,自适应池化的结果相当于均值池化;当α趋于负无穷时,自适应池化的结果是取区域内特征点的最小值;当α趋于其它值时,自适应池化的结果也会给出其他值,弥补了最大值池化只能选取最大值,均值池化只能选取平均值,而忽略了其它可能的特征点取值所带来的影响和作用。
更进一步的,如图3所示,分别是使用最大值池化、均值池化和自适应池化在局部区域内池化的结果,使用卷积核尺寸为3×3,自适应池化的方式是兼容最大值池化和均值池化的,若将α的初始值设置为一个较大的正值或是一个接近0的值,同时不设置α的更新,则自适应池化也就可以认为是最大值池化或均值池化。
具体的,在进行更新值α时,需要根据数据集进行计算仿射变换公式,通过预先动态的调整α初始值,经过采样分布后得到相应的均值μ和方差σ,选取最优的数据进行线性插值法得到相应的仿射变换公式,从而在训练过程中使用得到的仿射变换公式进行计算预调整值α′。
更进一步的,如图4所示是一次自适应池化过程中的特征图变化过程,输入特征图会展开为n个局部区域块,每个局部区域块的大小与卷积核的大小相同,当经过自适应池化得到输出特征值后,会进行逆操作将特征值折叠回下层输入特征图的张量形式。
在本发明的描述中,需要理解的是,除非另有说明,“n个”的含义是一个或一个以上。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义;以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (9)
1.一种基于自适应池化方式的图像分类方法,其特征在于,所述方法包括以下步骤:
步骤1:获取数据集并定义模型,初始化自适应池化层的α值;
步骤2:定义优化器、损失函数和学习率衰减策略,设定超参数大小,包括学习率、迭代次数、批大小、控制α更新的λ和ξ;
步骤3:将训练集送入模型,开始迭代训练,迭代次数设为epoch;
步骤3-1:神经网络前向传播,当经过第i层池化层时,将当前第i层的输入特征图通过给定的卷积核尺寸K[0]×K[1]、填充大小P和步长大小S,使用滑动窗口的操作,提取出滑动的n个局部区域块,记为I=[X1,X2,...,Xn,],其中,每个局部区域块的大小为K[0]×K[1],其中一个区域内的特征值记为Xi={x1,x2,...,xT},T=K[0]×K[1];
步骤3-2:若epoch=1,则n个局部区域块使用初始化后的α值,否则使用上轮迭代后的α值;
步骤3-3:n个局部区域块,每个局部区域块特征值为Xi={x1,x2,...,xT},通过均值、方差和自由度计算得到n个与之对应的t分布,将其经过仿射变换得到预调整值α′,由α和两个超参数λ、ξ进行更新α大小;
步骤3-4:n个局部区域块,每个局部区域块特征值为Xi={x1,x2,...,xT},结合更新后的α值,经过自适应池化方式后得到池化后的特征值bi,bi由α值控制选择出Xi中的任意一个特征值,最后该自适应池化方式的输出为B=[b1,b2,...,bn,];其中所述的自适应池化方式为:
其中,每个局部区域块的特征值为X={x1,x2,...,xT},T=K[0]×K[1],b(α)为该局部区域块池化后的结果,α为控制区域内自适应池化程度的参数,并赋有初始值,
步骤3-5:将该自适应池化方式的输出B=[b1,b2,...,bn,],经由滑动窗口的逆操作,折叠后还原回特征图的张量形式,得到该层池化层的输出特征图;
步骤4:前向传播结束后,经由分类器对模型输出的特征进行分类,计算损失并反向传播,直至迭代结束。
2.根据权利要求1所述的基于自适应池化方式的图像分类方法,其特征在于,在步骤3-1中,第i层的输入特征图的大小为[N,C,W,H],其中N为batch size的大小,C为特征图的通道数,W和H为特征图的尺寸;根据卷积核尺寸K[0]×K[1]、填充大小P和步长大小S,每个通道上的特征图大小,经由滑动窗口的方式得到n个K[0]×K[1]大小的局部区域块,其中:
其中,i∈{0,1},且spatialsiz e[0]=W,spatialsiz e[1]=H;每个通道上形成的n个局部区域块分别对应有一个α值。
3.根据权利要求1所述的基于自适应池化方式的图像分类方法,其特征在于,在步骤3-3中,在神经网络第一轮结束之后,对于池化层的输入特征图,展开为n个局部区域块,每个局部区域块得到与之对应的t分布,通过对其均值μ、方差σ及自由度T进行仿射变换后,得到新的预调整值α′。
4.根据权利要求1或3所述的基于自适应池化方式的图像分类方法,其特征在于,在步骤3-3中,能动态调整α值,关键在于获得预调整值α′,α′由均值μ、方差σ及自由度T进行仿射变换后获得,仿射变换的方式通过线性插值的方法得到:
在一个确定的自由度T时,有:
α′=w11α′11+w12α′12+w21α′21+w22α′22,
其中,且σ1、σ2、μ1、μ2、α′11、α′12、α′21、α′22为根据训练数据反复实验所得到的结果。
5.根据权利要求1所述的基于自适应池化方式的图像分类方法,其特征在于,在步骤3-3中,经由仿射变换后得到的预调整值α′,需要经过两个超参数λ和ξ控制最终进行α值的更新,更新控制方式为:
α=λα+ξα′,
其中,λ,ξ∈[0,1],且λ+ξ=1。
6.根据权利要求1所述的基于自适应池化方式的图像分类方法,其特征在于,在步骤3-5中,将每个局部区域块进行池化后,将池化后的结果按照逆向展开的方式,将所有局部区域块的特征点,按照展开时的空间位置关系,重新折叠回特征图的张量形式,该形式也即是自适应池化层最终的输出结果。
7.根据权利要求3所述的基于自适应池化方式的图像分类方法,其特征在于,在步骤1中,α在网络初始进行训练时设有初始值,根据所述的自适应池化方式,其有如下性质:
因此当初始值为趋于0或无穷大时,初始化的池化方式近似于平均池化或最大值池化的方式,当随着不断动态调整α值时,池化的输出选择也会在不断发生改变,通过控制α的值,从而可以选择区域内任意的一个特征点进行输出。
8.根据权利要求6所述的基于自适应池化方式的图像分类方法,其特征在于,在步骤3-3中,更新α时存在两种特殊形式:(1)当λ=0,ξ=1时,即将仿射变换后得到的预调整值α′直接作为新的α值;(2)当λ=1,ξ=0时,即整个模型都只使用α的初始值进行训练和测试,不进行α的动态更新:若α的初始值趋于0时,表示模型中一直使用均值池化的方式;若α的初始值趋于正无穷时,表示模型中一直使用最大值池化的方式。
9.根据权利要求4所述的基于自适应池化方式的图像分类方法,其特征在于,在步骤3-3中,自由度T由当前池化层所给定的卷积核尺寸大小决定,即:
T=K[0]×K[1],
其中K[0]×K[1]为池化层的卷积核尺寸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211131518.XA CN115424076B (zh) | 2022-09-16 | 2022-09-16 | 一种基于自适应池化方式的图像分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211131518.XA CN115424076B (zh) | 2022-09-16 | 2022-09-16 | 一种基于自适应池化方式的图像分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115424076A CN115424076A (zh) | 2022-12-02 |
CN115424076B true CN115424076B (zh) | 2024-03-15 |
Family
ID=84204508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211131518.XA Active CN115424076B (zh) | 2022-09-16 | 2022-09-16 | 一种基于自适应池化方式的图像分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115424076B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630697B (zh) * | 2023-05-17 | 2024-04-05 | 安徽大学 | 一种基于有偏选择池化的图像分类方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991428A (zh) * | 2017-02-24 | 2017-07-28 | 中国科学院合肥物质科学研究院 | 基于自适应池化模型的害虫图像识别方法 |
CN111460932A (zh) * | 2020-03-17 | 2020-07-28 | 哈尔滨工程大学 | 基于自适应卷积的水声信号分类识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10002313B2 (en) * | 2015-12-15 | 2018-06-19 | Sighthound, Inc. | Deeply learned convolutional neural networks (CNNS) for object localization and classification |
-
2022
- 2022-09-16 CN CN202211131518.XA patent/CN115424076B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991428A (zh) * | 2017-02-24 | 2017-07-28 | 中国科学院合肥物质科学研究院 | 基于自适应池化模型的害虫图像识别方法 |
CN111460932A (zh) * | 2020-03-17 | 2020-07-28 | 哈尔滨工程大学 | 基于自适应卷积的水声信号分类识别方法 |
Non-Patent Citations (4)
Title |
---|
CSPS: An adaptive pooling method for image classification;Jinzhuo Wang等;《IEEE transactions on multimedia》;全文 * |
基于自适应池化的双路卷积神经网络图像分类算法;高子翔等;《计算机工程与设计》(05);全文 * |
基于自适应池化的神经网络的服装图像识别;胡聪等;《计算机应用》(08);全文 * |
面向图像识别的卷积神经网络算法优化与应用;刘梦雅;《万方中国学位论文数据库》;20200415;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115424076A (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113673307B (zh) | 一种轻量型的视频动作识别方法 | |
Shan et al. | Automatic facial expression recognition based on a deep convolutional-neural-network structure | |
US20220028139A1 (en) | Attribute conditioned image generation | |
CN113313657B (zh) | 一种用于低光照图像增强的非监督学习方法和系统 | |
CN103279936B (zh) | 基于画像的人脸伪照片自动合成及修正方法 | |
CN115424076B (zh) | 一种基于自适应池化方式的图像分类方法 | |
CN108182260B (zh) | 一种基于语义选择的多变量时间序列分类方法 | |
CN112489164A (zh) | 基于改进深度可分离卷积神经网络的图像着色方法 | |
CN106127689A (zh) | 图像视频超分辨率方法和装置 | |
CN110675379A (zh) | 一种融合空洞卷积的u形脑肿瘤分割网络 | |
CN111161306A (zh) | 一种基于运动注意力的视频目标分割方法 | |
CN111553462A (zh) | 一种类激活映射方法 | |
US20240029204A1 (en) | Image processing method, system, device and storage medium | |
CN111695590A (zh) | 约束优化类激活映射的深度神经网络特征可视化方法 | |
CN113808042A (zh) | 一种基于小波变换和生成对抗网络的sar图像去噪方法 | |
CN109345604A (zh) | 图片处理方法、计算机设备和存储介质 | |
Shen et al. | Deeper super-resolution generative adversarial network with gradient penalty for sonar image enhancement | |
CN111667412A (zh) | 基于交叉学习网络的图像超分辨率的重建方法及装置 | |
CN102013020A (zh) | 用于合成人脸图像的方法和系统 | |
CN112541856A (zh) | 一种结合马尔科夫场和格拉姆矩阵特征的医学类图像风格迁移方法 | |
CN115471831B (zh) | 一种基于文本增强学习的图像显著性检测方法 | |
CN113222867B (zh) | 基于多模板图像的图像数据增强方法及系统 | |
CN114549309A (zh) | 一种基于深度学习的人脸图像超分辨率计算方法 | |
CN110427892B (zh) | 基于深浅层自相关融合的cnn人脸表情特征点定位方法 | |
CN106204445A (zh) | 基于结构张量全变差的图像视频超分辨率方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |