申请/专利权人：江苏科技大学

申请日：2024-01-15

公开（公告）日：2024-04-12

公开（公告）号：CN117876778A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/082

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开一种基于剪枝VGG‑16网络的果蔬分类方法，在网络公开图片上获取不同果蔬图片样本，将果蔬数据集划分为训练集与验证集；使用已有图像数据集预训练VGG‑16网络模型权重，计算滤波器的绝对权重和每个滤波器核权绝对值，计算特征映射集合中平均秩，对归一化后的核权绝对值与平均秩加权融合得到新的滤波器得分，按下降顺序得到降序得分集合，对VGG16‑TL网络模型载入训练集训练，得到训练好的果蔬图片VGG16‑TL网络模型和各层滤波器的降序得分集合，得到剪枝滤波子集并移除，将保留的滤波器子集作为瘦身模型VGG16‑LW；采用训练集对瘦身模型VGG16‑LW重新训练，输出果蔬的类别；本发明使用权值滤波器与低秩特征图融合剪枝的方法，比传统剪枝方法有更高的精度和参数缩减。

主权项：1.一种基于剪枝VGG-16网络的果蔬分类方法，其特征是包括以下步骤：步骤A：在网络公开图片上获取不同果蔬图片样本得到果蔬数据集，将果蔬数据集划分为训练集与验证集；步骤B：使用已有图像数据集ImageNet预训练VGG-16网络模型的权重，获得训练好的VGG16-TL网络模型，该VGG16-TL网络模型的第i层卷积层有ni-1个输入通道和ni个输出通道，第i层的第j个滤波器为步骤C：计算滤波器的绝对权重和每个滤波器核权绝对值得到全部滤波器的核权绝对值集合计算滤波器的输出即特征映射集合中第i层第j个特征映射的平均秩得到第i层秩集合步骤D：对所述的核权绝对值集合与秩集合进行最小最大归一化，对归一化后的核权绝对值与平均秩加权融合得到新的滤波器得分以及滤波器得分集合Ci，对滤波器得分集合Ci按下降顺序得到降序得分集合该降序得分集合中的前ni1个滤波器保留，后ni2个滤波器修剪，获得剪枝率；步骤E：对所述的VGG16-TL网络模型载入所述的训练集训练，得到训练好的果蔬图片VGG16-TL网络模型，根据所述的训练好的果蔬图片VGG16-TL网络模型的各层滤波器的降序得分集合，依据所述的剪枝率删减滤波器，将保留的滤波器子集作为瘦身模型VGG16-LW；步骤F：采用所述的训练集对所述的瘦身模型VGG16-LW重新训练，则训练好的瘦身模型VGG16-LW输出的是果蔬的类别。

全文数据：

权利要求：

百度查询： 江苏科技大学 一种基于剪枝VGG-16网络的果蔬分类方法

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