申请/专利权人：之江实验室;西安电子科技大学

申请日：2022-06-17

公开（公告）日：2024-04-02

公开（公告）号：CN114943866B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06V10/774;G06N3/006;G06N3/086;G06N3/084;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.09.13#实质审查的生效;2022.08.26#公开

摘要：本发明公开了一种基于进化神经网络结构搜索的图像分类方法，主要解决现有技术中时间成本较高，分类精度较低的问题。本发明具体步骤如下：1利用标量编码对神经网络的网络块进行编码；2根据当前种群中的多样性和适应度情况自适应地调节交叉和变异概率；3通过交叉、变异操作生成子代种群；4利用基于衰老进化的环境选择操作，对种群进行迭代更新；5使用适应度最高的基因个体对应的神经网络对待分类的图像进行分类。本发明采用进化算法实现对神经网络的自动构建，具有针对图像分类问题精度高，时间成本低的优点。

主权项：1.一种基于进化神经网络结构搜索的图像分类方法，其特征在于，利用标量编码对神经网络的网络块进行编码，根据当前种群中的多样性和适应度情况自适应地调节交叉和变异概率，通过交叉、变异操作生成子代种群，利用基于衰老进化的环境选择操作，对种群进行迭代更新；该方法具体步骤包括如下：步骤1，生成训练集：选取至少10种类别、每种类别至少5000张，对每张图片按照28×28的大小进行裁剪，对裁剪后的每张图片进行归一化处理，将处理后的所有图像组成训练集；步骤2，生成初始化种群：将待构建的神经网络的网络块通过标量的编码方式编码为基因个体，将20个基因个体组合为一个父代种群；步骤3，构建初始种群中每个基因个体对应的神经网络：步骤3.1，遍历第一网络块的标量编码中的所有节点，对每一个节点，生成该节点对应神经网络中的一个计算节点，该计算节点的输入节点等于对应节的标量编码中输入节点的编码，操作等于对应节点的标量编码中卷积操作类型的编码，将所有计算节点进行并联，得到第一网络块；步骤3.2，将第一网络块的所有计算节点的输出加权求和值，作为第一网络块的输出；步骤3.3，采用与步骤3.1到步骤3.2相同的方法，对神经网络中其他网络块的标量编码进行处理，得到对应的网络块；步骤3.4，在上述除最后一个网络块之外的所有网络块后添加最大池化层，最后一个网络块后添加全局池化层，并按照次序依次级联，组成初始种群中每个基因个体对应的神经网络；步骤4，训练神经网络：将训练集输入到神经网络中，利用随机梯度下降算法，迭代更新网络权重，当学习率衰减到0.000001时，得到训练好的神经网络；步骤5，计算神经网络的适应度：将验证集输入到训练好的神经网络中对每个样本的类别进行预测，统计总分类样本数以及总分类正确样本数，计算分类准确率，将每个基因个体构建的神经网络的分类准确率作为该基因个体的适应度；步骤6，对当前迭代的父代种群中基因个体进行交叉操作：步骤6.1，通过竞标赛选择方法，从当前迭代的父代种群中选择两个编码不同的基因个体；步骤6.2，计算所选择的两个基因个体进行交叉的概率；步骤6.3，生成一个满足0-1均匀分布的随机数，若所选的两个基因个体之间交叉的概率Pc小于或等于该随机数时，对所选的两个基因个体执行单点交叉操作，交换两个基因个体对应位置的基因编码；步骤6.4，判断是否已选完当前种群中的所有个体，若是，则执行步骤7，否则，执行步骤6.1；步骤7，对当前迭代种群中基因个体进行变异操作：步骤7.1，从当前迭代种群中随机选择一个未选过的基因个体；步骤7.2，计算所选基因个体进行变异的概率：步骤7.3，生成一个满足0-1均匀分布的随机数，若所选的因个体进行变异的概率Pmi小于或等于该随机数时，则对所选基因个体进行变异操作；步骤7.4，判断是否选完当前种群中的所有基因个体，若是，则将当前迭代后的种群中所有基因个体作为子代种群后执行步骤8，否则，执行步骤7.1；步骤8，计算子代种群中每个基因个体的适应度：采用与步骤3至步骤5的相同方法，得到子代种群中每一个基因个体对应的神经网络的分类准确率，并将分类准确率作为基因个体的适应度；步骤9，依据父代种群与子代种群中所有基因个体的适应度，利用基于衰老进化的环境选择操作选择得到新的父代种群：步骤9.1，将当前迭代后的父代种群中的所有基因个体与当前步骤8得到的子代种群中的所有基因个体一起组成新种群；步骤9.2，根据衰老进化对个体适应度进行调节；步骤9.3，根据新种群中基因个体适应度的高低执行环境选择操作，得到下一代种群；步骤9.4，判断当前迭代次数是否等于最大迭代次数，若是，则执行步骤10，否则，执行步骤6；步骤10，将当前迭代的种群作为最优种群，将最优种群中适应度最高的基因个体对应的神经网络作为最优神经网络；步骤11，对待分类的图像进行分类：对待分类的图像按照28×28的大小进行裁剪，对裁剪后的每张图片进行归一化处理，将处理后的图片输入到训练好的最优神经网络中，计算最优神经网络对待分类图像的分类准确率，将该分类准确率作为结果输出。

全文数据：

权利要求：

百度查询： 之江实验室;西安电子科技大学 基于进化神经网络结构搜索的图像分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD