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：东北大学

摘要：本发明提供一种基于鲁棒遗传规划和特征学习的弱图像分类方法，涉及图像分析技术领域。该方法具体包括：获取待分类的弱图像数据并构建弱图像数据集，按照预设的比例将弱图像数据集划分训练集；基于分布式进化算法生成个体并构建初始种群；构建对抗训练的新进化模式，并利用对抗训练的新进化模式对初始种群中的个体进行训练，利用训练后的个体构建新的种群作为当前种群；采用分布式进化算法从当前种群中选取最优个体；将最优个体对应的个体树结构作为弱图像分类模型，获取待分类的弱图像数据并输入该弱图像分类模型，得到该弱图像数据的特征向量并采用线性SVM进行分类，得到该弱图像数据的分类结果。

主权项：1.一种基于鲁棒遗传规划和特征学习的弱图像分类方法，其特征在于，该方法包括如下步骤：步骤1：获取待分类的弱图像数据并构建弱图像数据集，按照预设的比例将弱图像数据集划分训练集；步骤2：基于分布式进化算法DEAP生成个体并构建初始种群；步骤2.1：构建基本函数集和终止集；所述基本函数集，包括根节点函数、卷积函数、池化函数、残差函数、相加函数、相减函数和缩放函数；所述根节点函数，用于将输入该函数的若干个图像或向量连接成一个向量；所述卷积函数，用于使用滤波器对输入该函数的图像进行卷积操作，将该图像的像素值替换为该像素点相邻像素值的加权和，以提取图像特征；所述池化函数，用于对输入该函数的图像进行最大池化；所述残差函数，用于对输入该函数的图像进行残差操作；所述相加函数，用于将每两个具有相同或不同尺寸的加权图像相加；所述相减函数，用于将每两个具有相同或不同尺寸的加权图像相减；所述缩放函数，用于缩放输入该函数图像的像素值；所述终止集，用于定义基本函数集中各函数的参数值；所述终止集包括：大小为m×n的弱图像数据、若干个不同尺寸的作用于卷积函数的滤波器、相加函数或相减函数的随机输入值n1和n2、以及池化函数的核参数k1和k2；其中m和n分别为弱图像数据的长和宽；步骤2.2：根据基本函数集和终止集随机生成若干个个体树作为个体并构成初始种群；所述个体树为：输入层、第一卷积层、第二卷积层、池化层、连接层和输出层；其中所述第二卷积层与池化层残差连接；所述池化层与连接层残差连接；所述连接层与输出层残差连接；所述输入层用于输入弱图像数据；所述第一卷积层和第二卷积层均用于对输入的弱图像数据通过卷积运算进行特征提取；所述池化层用于通过对提取到的特征进行最大池化来对该特征进行降维；所述连接层用于将降维后的特征与卷积层提取到的特征进行维度转换，得到一个具有特定维度的特征向量；所述输出层用于根据降维后的特征与该特征向量得到弱图像数据的分类结果并输出；所述个体树的生成方法为：从基本函数集中的卷积函数、相加函数、相减函数和缩放函数中随机选取一个函数作为第一卷积层的函数映射，从基本函数集中的卷积函数、相加函数、相减函数和缩放函数中随机选取一个函数作为第二卷积层的函数映射，将基本函数集中的池化函数作为池化层的函数映射，将基本函数集中的根节点函数作为连接层的函数映射，将基本函数集中的残差函数作为残差连接的函数映射，并根据终止集定义个体树中输入层、第一卷积层、第二卷积层、池化层、连接层和输出层的参数值；所述个体树中的残差连接使用基于残差的遗传算子，定义该遗传算子包括：直接映射部分和残差部分；其中直接映射部分是将个体中前一个网络层中得到的特征直接传递给当前网络层，残差部分由若干个级联的卷积层组成；将弱图像数据作为基于残差的遗传算子的输入，并将直接映射部分和残差部分的输出值累加后，通过ReLU函数激活后得到基于残差的遗传算子的输出结果；所述基于残差的遗传算子表示为： 其中y表示基于残差的遗传算子的输出；表示非线性函数ReLU；W代表基于残差的遗传算子内的权重；x是从训练集中随机采样的弱图像数据样本；F·为基于残差的遗传算子的目标函数；步骤3：采用对抗训练算法对初始种群中的个体进行训练，利用训练后的个体构建新的种群作为当前种群；步骤3.1：根据弱图像数据集，采用快速梯度符号方法生成对抗性样本；所述对抗性样本的生成公式为： 其中xadv为生成的对抗性样本；l为从训练集中随机采样的弱图像数据样本x对应的真实标签；ε为学习率；sign·为符号函数，且当符号函数内的表达式的数值为正数时，符号函数的返回结果为1，数值为负数时，符号函数的返回结果为返回-1，数值为0时，符号函数的返回结果为0；表示对x求偏导；Jx,l为x和l的交叉熵函数；步骤3.2：利用对抗性样本和训练集构建新的训练集，构建基于对抗学习的交叉熵函数作为损失函数，并利用新的训练集对初始种群中的个体进行训练，在训练过程中通过损失函数最大化来生成训练好的个体构成新的种群作为当前种群；步骤4：采用分布式进化算法从当前种群中选取最优个体；步骤5：将最优个体对应的个体树结构作为弱图像分类模型，获取待分类的弱图像数据并输入该弱图像分类模型，得到该弱图像数据的特征向量并采用线性SVM进行分类，得到该弱图像数据的分类结果。

全文数据：

权利要求：

百度查询： 东北大学 一种基于鲁棒遗传规划和特征学习的弱图像分类方法