买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京理工大学重庆创新中心;北京理工大学

摘要：本发明公开了一种基于残差网络的图像分类方法、装置、设备及介质，该方法包括获取根据数据特征分类的数据集，并根据所述数据特征编写卷积神经网络所需的数据接口；制作数据集标签，每一类不同数据特征的数据集对应一个数据集标签；构建训练集和测试集，将数据集分割成若干等份；构建深层残差单元，搭建卷积神经网络，建立图像分类模型；对图像分类模型设置训练参数和损失函数策略，确定分类器输出的分类结果；对图像分类模型进行网络训练和网络测试；向图像分类模型中输入待分类图像，获得分类结果。本发明通过构建图像分类模型辅助医生诊断，减轻眼科医生负担、缩短检查时间，降低疾病不同等级对应的图片筛查的时间和人力成本。

主权项：1.一种基于残差网络的图像分类方法，其特征在于，包括：获取根据数据特征分类的数据集，并根据所述数据特征编写卷积神经网络所需的数据接口；制作数据集标签，每一类不同数据特征的数据集对应一个数据集标签；构建训练集和测试集，将数据集分割成若干等份；构建深层残差单元，搭建卷积神经网络，建立图像分类模型；所述卷积神经网络输出端连接两个分类器，所述分类器输出的分类结果为一个二分类结果和一个三分类结果，所述设置训练参数和损失函数策略具体包括：选择网络优化器，初始化学习率；设置衰减学习率策略并设置训练时期和批尺寸；设置二分类结果损失函数为交叉熵损失函数L1，三分类结果损失函数为交叉熵损失函数L2；设置二分类结果和三分类结果的激活函数和矩阵乘法，使图像分类模型输出为六分类结果；对六分类结果设置损失函数策略，对六分类结果使用感知标签分布边界损失函数LLDAM， 其中，x是输入，y是x对应的类别，f是网络模型，zj＝fxj是第j类的输出，边界C是不平衡比率，即最频繁和最不频繁的类的样本大小之间的比率；图像分类模型的总损失函数L＝L1+L2+LLDAM；对图像分类模型设置训练参数和损失函数策略，确定分类器输出的分类结果；对图像分类模型进行网络训练和网络测试；向图像分类模型中输入待分类图像，获得分类结果。

全文数据：

权利要求：

百度查询： 北京理工大学重庆创新中心 北京理工大学 一种基于残差网络的图像分类方法、装置、设备及介质