公开(公告)号：CN110929798A

公开(公告)日：2020-03-27

申请号：CN201911197205.2

申请日：2019-11-29

Applicant: 重庆邮电大学

Inventor： 唐贤伦 ,  徐瑾 ,  李洁 ,  代宇艳 ,  陈瑛洁 ,  余新弦 ,  孔德松

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明请求保护一种基于结构优化稀疏卷积神经网络的图像分类方法及介质。针对卷积神经网络的卷积层对其输入特征图通道的连接结构，利用遗传算法对其进行稀疏化，并使用稀疏化之后的卷积模型进行图像分类。首先预训练一个卷积模型并保存预训练权重；然后，根据除模型输入层以外的某个卷积层对其输入特征通道的连接进行二进制编码，生成若干个二进制序列，作为初始种群；接着，利用遗传算法对二进制编码进行选择、交叉和变异；最后，经过若干次迭代后，将获得的最优二进制序列，并进行解码，得到稀疏化的特征通道连接结构，并通过权重微调来恢复模型的分类准确率。

公开(公告)号：CN110427965A

公开(公告)日：2019-11-08

申请号：CN201910555580.3

申请日：2019-06-25

Applicant: 重庆邮电大学

Inventor： 唐贤伦 ,  徐瑾 ,  彭德光 ,  蔡军 ,  刘庆 ,  代宇艳 ,  陈瑛洁 ,  曹华军 ,  李锐

IPC: G06K9/62 ,  G06N3/00 ,  G06N3/08

Abstract: 本发明请求保护一种基于进化策略的卷积神经网络结构简约及图像分类方法。针对卷积模型特征提取部分与全连接层之间的结构进行简约。首先预训练一个卷积模型以固定模型权重，并使用卷积部分对图像数据集进行特征提取；然后，随机生成若干个二进制序列作为初始种群，每个二进制序列对应一种特征提取部分与全连接层之间的结构；接着，分别在当前种群的每种结构下，使用预训练好的权重对测试集特征向量进行分类，分类准确率作为对应结构的适应度，并通过交叉、变异、选择操作得到新一代结构种群，不断迭代至等于迭代次数；最后，获得简约后的特征提取部分与全连接层之间的结构，并应用该结构对预训练权重进行微调。