利索能及
我要发布
收藏
专利号: 2018111072228
申请人: 广东石油化工学院
专利类型:发明专利
专利状态:已下证
更新日期:2025-06-27
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种多输出回归深度网络的构建方法,其特征在于,包括以下步骤:构建第一层卷积层,将输入为任意尺寸的图像输出为固定尺寸的图像,包括c×w×h

设定预设图像尺寸为 输入任意尺寸的图像I∈R ,其中,R表示实数空间,c表示输如图像的通道数,w和h表示输入图像的尺寸,即宽度和高度,以像素为单位,判断输入图像尺寸的维度,当输入图像尺寸中某个维度小于预设图像尺寸的维度时,将其维度补充0到与预设图像尺寸维度相同,定义一个与预设图像尺寸相同的滑动窗,其在输入图像上做滑动,选出与预设图像尺寸相同的图像集合,该集合的大小为n,对图像集合中的每一个图像通过滤波器进行卷积层运算,得到n个与预设图像尺寸相同的输出特征图,

对n个 大小的输出特征图沿n维度做最大池化,得到固定尺寸的图像构建第二层双卷积层,利用元滤波器组构成双滤波器组,再利用双滤波器组进行卷积神经网络操作,其中,

所述利用元滤波器组构成双滤波器组包括

2 2

将大小为z ×z的单位矩阵赋值给一个图像矩阵I′,z为双滤波器组的滤波器大小尺寸,

2

将图像矩阵I′重新整理成大小为z×z×z尺寸的矩阵,将元滤波器组 与图像矩阵I′进行卷积得W*I′,将W*I′值赋值给滤波器组2

将滤波器组 重新整理成大小为 尺寸的矩阵,其中,n′=(z′‑z+1) ,为卷积之后得到的滤波器个数,所述利用双滤波器组进行卷积神经网络操作包括将第一层卷积层输出的固定尺寸图像 和滤波器组 进行卷积得 将值赋值给 为大小为 尺寸的矩阵,将 沿着n′做池化操作,池化后的输出 尺寸为将 沿着x‑y平面做2×2的空间池化操作,输出的尺寸为

构建第三层双卷积层和第四层双卷积层,分别重复第二层双卷积层的操作;

构建第五层输入层和第六层输出层,将所述第四层双卷积层输出的矩阵拉伸成向量作为第五层的输入,利用激活函数的全连接对其进行非线性映射,对非线性映射的多输出结果进行线性回归,其中,激活函数为余弦函数。

2.根据权利要求1所述的多输出回归深度网络的构建方法,其特征在于,所述构建第五层输入层包括:

将所述第四层双卷积层输出的矩阵拉伸成向量作为第五层输入层的输入,其节点数和所述第四层双卷积层输出的矩阵拉伸成向量的维度一致;

构建中间层,其节点数大于所述第五层输入层输入的节点数,其每一个节点的激活函数为余弦函数,

利用余弦函数的全连接对第五层输入层的输入进行非线性映射。

3.根据权利要求2所述的多输出回归深度网络的构建方法,其特征在于,所述构建第六层输出层包括,

对非线性映射的多输出结果进行线性回归,使中间层到第六层输出层节点间满足线性关系,其中第六层输出层每一个节点对应一个多输出的数值。

4.根据权利要求3所述的多输出回归深度网络的构建方法,其特征在于,对所有层节点参数进行联合优化,其优化准则采用交叉熵优化函数。

5.一种多输出回归深度网络结构,其特征在于,包括:第一层卷积层,其将输入为任意尺寸的图像输出为固定尺寸的图像,包括c×w×h

设定预设图像尺寸为 输入任意尺寸的图像I∈R ,其中,R表示实数空间,c表示输如图像的通道数,w和h表示输入图像的尺寸,即宽度和高度,以像素为单位,判断输入图像尺寸的维度,当输入图像尺寸中某个维度小于预设图像尺寸的维度时,将其维度补充0到与预设图像尺寸维度相同,定义一个与预设图像尺寸相同的滑动窗,其在输入图像上做滑动,选出与预设图像尺寸相同的图像集合,该集合的大小为n,对图像集合中的每一个图像通过滤波器进行卷积层运算,得到n个与预设图像尺寸相同的输出特征图,

对n个 大小的输出特征图沿n维度做最大池化,得到固定尺寸的图像第二层双卷积层,其利用元滤波器组构成双滤波器组,再利用双滤波器组进行卷积神经网络操作,其中,

所述利用元滤波器组构成双滤波器组包括

2 2

将大小为z ×z的单位矩阵赋值给一个图像矩阵I′,z为双滤波器组的滤波器大小尺寸,

2

将图像矩阵I′重新整理成大小为z×z×z尺寸的矩阵,将元滤波器组 与图像矩阵I′进行卷积得W*I′,将W*I′值赋值给滤波器组

2

将滤波器组 重新整理成大小为 尺寸的矩阵,其中,n′=(z′‑z+1) ,为卷积之后得到的滤波器个数,所述利用双滤波器组进行卷积神经网络操作包括将第一层卷积层输出的固定尺寸图像 和滤波器组 进行卷积得 将值赋值给 为大小为 尺寸的矩阵,将 沿着n′做池化操作,池化后的输出 尺寸为将 沿着x‑y平面做2×2的空间池化操作,输出的尺寸为

第三层双卷积层和第四层双卷积层,分别重复第二层双卷积层的操作;

第五层输入层和第六层输出层,其将所述第四层双卷积层输出的矩阵拉伸成向量作为第五层的输入,利用激活函数的全连接对其进行非线性映射,对非线性映射的多输出结果进行线性回归,其中,激活函数为余弦函数。

6.一种计算机处理设备,其特征在于,所述设备包括:一个或多个处理器;

存储器,其上存储有一个或多个计算机程序;

当所述一个或多个处理器执行所述一个或多个计算机程序时,实现如权利要求1‑4中任一项所述方法的步骤。

7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1‑4中任一项所述方法的步骤。