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：辽宁石油化工大学

摘要：本发明属于图像处理技术领域，特别涉及一种基于GoogLeNet模型的气液两相流流型识别方法，包括以下步骤：S1、采集用于构建GoogLeNet网络的图像数据集，将采集到的图像数据集划分为训练集、验证集和测试集；S2、对训练集中的图像进行批处理，随机从训练集中选取若干张流型图像作为Batch，并对选取的流型图像进行下采样，生成224×224的图像，输入GoogLeNet网络中进行训练；S3、将Batch读取到GoogLeNet网络中，通过三个相连的卷积块进一步对Batch提取特征，得到一些特征向量；S4、将特征向量送入inception模块，inception模块重复9次，得到图像特征；S5、将图像特征输入到分类器中，对图像流型类别进行分类，输出分类结果；S6、将分类结果与图像标签采用交叉熵损失函数进行计算，返回GoogLeNet网络的损失值。

主权项：1.一种基于GoogLeNet模型的气液两相流流型识别方法，其特征在于，所述方法包括以下步骤：S1、采集用于构建GoogLeNet网络的图像数据集，将采集到的图像数据集进行分类，并划分为训练集、验证集和测试集；S2、对步骤S1中的训练集中的图像进行批处理，随机从训练集中选取若干张流型图像作为Batch，并对选取的流型图像进行下采样，生成224×224的图像，输入GoogLeNet网络中进行训练；S3、将步骤S2中的Batch读取到GoogLeNet网络中，通过三个相连的卷积块进一步对Batch提取特征，得到一些特征向量；S4、将步骤S3得到的特征向量送入inception模块，inception模块重复9次，得到图像特征；S5、将步骤S4中得到的图像特征输入到分类器中，对图像流型类别进行分类，输出分类结果；S6、将步骤S5中的分类结果与图像标签采用交叉熵损失函数进行计算，返回GoogLeNet网络的损失值；S7、通过步骤S5中的损失值进行随机梯度下降，计算GoogLeNet网络参数的梯度，并通过优化器更新GoogLeNet网络，得到更新后的网络参数；S8、固定步骤S7中更新后的网络参数，重新在步骤S1中的训练集、验证集中提取Batch输入到网络中，重复步骤S2到步骤S8，通过不断的训练来对GoogLeNet网络的网络参数进行更新，使GoogLeNet网络的性能不断提高；S9、当新GoogLeNet网络的损失值达到稳定或达到满足要求的训练结果时，停止新GoogLeNet网络的训练，保存训练好的新GoogLeNet网络结构和模型参数。

全文数据：

权利要求：

百度查询： 辽宁石油化工大学 一种基于GoogLeNet模型的气液两相流流型识别方法