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：大连工业大学

摘要：本发明属于人工智能技术领域，公开了一种基于变步长学习率寻优策略的鱼类智能分选方法，步骤如下：先构建数据集，再选用轻量型神经网络进行迁移学习，对模型进行微调，最后采用学习率的大区间快速定位和小区间精确寻优来确定最优学习率。本发明的变步长学习率寻优策略，能够避免采用经验值或等步长方法设定学习率所陷入的局部最优解，从而错过全局最佳学习率，解决传统训练方法效率过低问题。本发明的方法既能保证分类的效率，又能兼顾分类的精度。

主权项：1.一种基于变步长学习率寻优策略的鱼类智能分选方法，其特征在于，步骤如下：步骤1：构建基于迁移学习的特征提取网络1.1、构建数据集以A、B、C三种鱼类与其他品种混合鱼类为对象，采集鱼类的图像构建四种鱼类的数据集；1.2、图像预处理对数据集中图像统一尺寸为224*224的RGB三通道图片并进行归一化处理；1.3、轻量型神经网络模型的迁移学习选用轻量型神经网络ResNet18基础模型进行迁移学习；针对A类、B类、C类三种鱼分类问题，基于轻量型神经网络ResNet18，依照对应鱼类类别数，将轻量型神经网络ResNet18原有的全连接层输出OutputSize设置为3，并重新训练网络ResNet18的权重参数；同时，为了防止过拟合现象，选用SGDM算法和带有L2正则惩罚项的损失函数，以增强网络泛化性能，得到收敛稳定的目标函数；步骤2：变步长学习率寻优策略通过分析学习率与验证集准确率的变化规律，提出变步长学习率寻优策略；变步长学习率寻优策略的核心思想是通过区间细分的思想，由每一个区间的训练结果表征该区间的准确率系数，即在未达到目标精度km之前，选取该轮寻优区间局部最优解的两侧区间作为下一轮目标区间，循环寻优至达到目标精度，确定对应目标精度的全局最佳学习率；以验证集准确率为指标，进行变步长学习率寻优，提高模型训练效率；2.1、变步长学习率选定规则[1*10-5，1]区间内学习率的选定：在[1*10-5，0.1]区间内，学习率采用变幅小步长的学习率选定方法；剩余区间0.1，1]内，采用等幅较大步长的学习率选定方法；2.1.1、大区间快速定位在区间[1*10-5，0.1]内变幅小步长选定学习率，学习率lr1选定公式如下： k2为学习率整体区间最大值1，参数n越大，步长越小，参数n取正整数，在[1,5]范围内依此选取；在区间0.1，1]内选用等幅较大步长s1选定学习率lr2，公式如下： lr2＝m*s1#3k1为学习率经验区间最大值0.1，k2为学习率整体区间最大值1，参数p取正整数9；参数m取正整数，在[2,10]范围内依此选取；2.1.2、小区间精确寻优小区间精确寻优建立在大区间快速定位基础上，根据大区间快速定位中各个学习率作为超参数对网络模型进行训练，以训练结果中准确率最大值对应的学习率lrb为基准，选取基准左侧学习率lrl、右侧学习率lrr，分别作为小区间左值和右值，在此小区间进行精确寻优；小区间精确寻优以s2为步长，学习率选定公式如下：当lrb-lrl≤10km时，s2＝km#4lr1*＝lrl+s2#5km为学习率精度，人为设定值，lr1*为更新后的学习率取值；当lrb-lrl≥10km时， lr1*＝lrl+s2#7参数p取正整数9，lr1*为更新后的学习率取值；同样的，当lrr-lrb≤10km时，s2＝km#8lr2*＝lrb+s2#9km为学习率精度，lr2*为更新后的学习率取值；当lrr-lrb≥10km时， lr2*＝lrb+s2#11参数p取正整数9，lr2*为更新后的学习率取值；2.2、变步长学习率寻优流程连续三次准确率低于80％或区间学习率全部取值，该轮寻优中断，下轮寻优开始；区间长度小于等于km或验证集准确率高于99％时寻优结束，输出最佳学习率；区间长度大于km或验证集准确率低于99％时寻优继续，重复进行小区间精确寻优的步骤；步骤3：输出目标分类结果以0.95为阈值对鱼进行分类，若某条鱼对于某一种类的判定结果大于0.95，则判断该鱼是对应种类，若某条鱼对于A类、B类、C类三种鱼的判定结果均小于0.95，则判断该鱼是其他干扰鱼类。

全文数据：

权利要求：

百度查询： 大连工业大学 一种基于变步长学习率寻优策略的鱼类智能分选方法