公开(公告)号：CN112699957B

公开(公告)日：2024-03-29

申请号：CN202110026434.9

申请日：2021-01-08

Applicant: 北京工业大学

Inventor： 成莎莎 ,  刘兆英 ,  张婷 ,  李玉鑑

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于DARTS的图像分类优化方法，用于提高DARTS构建的模型对图像分类的稳定性和准确率。本发明分析跳跃连接操作在排他操作方面有不公平优势，进而导致DARTS性能崩溃，本发明提出了一种关联跳跃连接操作构造新的验证损失函数，以阻碍这种不公平的优势，避免跳跃连接过度，并且解析架构参数确定一个针对特定图像数据集的合适的子网络。接着进行整体模型训练测试，堆叠一定个数的搜索好的单元架构来构建卷积神经网络，从头开始训练，基于此模型对图像进行稳定而准确的分类测试。本方法在针对特定图像进行分类时可以有效地阻碍跳跃连接的不公平优势，并能产生更好的性能。

公开(公告)号：CN112699957A

公开(公告)日：2021-04-23

申请号：CN202110026434.9

申请日：2021-01-08

Applicant: 北京工业大学

Inventor： 成莎莎 ,  刘兆英 ,  张婷 ,  李玉鑑

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于DARTS的图像分类优化方法，用于提高DARTS构建的模型对图像分类的稳定性和准确率。本发明分析跳跃连接操作在排他操作方面有不公平优势，进而导致DARTS性能崩溃，本发明提出了一种关联跳跃连接操作构造新的验证损失函数，以阻碍这种不公平的优势，避免跳跃连接过度，并且解析架构参数确定一个针对特定图像数据集的合适的子网络。接着进行整体模型训练测试，堆叠一定个数的搜索好的单元架构来构建卷积神经网络，从头开始训练，基于此模型对图像进行稳定而准确的分类测试。本方法在针对特定图像进行分类时可以有效地阻碍跳跃连接的不公平优势，并能产生更好的性能。