基于四元Sigmoid激活函数的图像分类方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115424071A(43)申请公布日2022.12.02(21)申请号202211075625.5(22)申请日2022.09.05(71)申请人南昌航空大学地址330063江西省南昌市丰和南大道696号(72)发明人盖杉態页鹤(74)专利代理机构北京高沃律师事务所11569专利代理师万慧华(51)Int.Cl.G06V10/764(2022.01)G06V10/42(2022.01)G06V10/774(2022.01)G06V10/82(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书16页附图4页(54)发明名称基于四元Sigmoid激活函数的图像分类方法及系统(57)摘要本发明涉及一种基于四元Sigmoid激活函数的图像分类方法，属于深度学习技术领域，利用基于四元Sigmoid激活函数的图像分类网络对待分类图像进行图像分类。该图像分类网络包括并联结构层；并联结构层包括：拼接层、四元Sigmoid激活函数支路和卷积支路；其中四元Sigmoid激活函数支路和卷积支路并联；四元Sigmoid激活函数支路利用四元激活函数对四元特征矩阵进行前向传播计算后，再进行卷积操作；卷积支路对四元特征矩阵进行卷积操作；拼接层将两个输出拼接。本发明利用四元Sigmoid激活函数和与之配合的并联结构，能够遵循四元数运算法则，从而保留了图像数据信息的完整性，提高了图像分类的准确性。CN115424071ACN115424071A权利要求书1/2页1.一种基于四元Sigmoid激活函数的图像分类方法，其特征在于，所述方法包括：获取待分类图像；利用基于四元Sigmoid激活函数的图像分类网络对所述待分类图像进行图像分类；所述基于四元Sigmoid激活函数的图像分类网络包括并联结构层；所述并联结构层包括：拼接层、四元Sigmoid激活函数支路和卷积支路；所述四元Sigmoid激活函数支路和所述卷积支路并联；所述四元Sigmoid激活函数支路利用四元激活函数对四元特征矩阵进行前向传播计算后，再进行卷积操作，得到四元特征激活处理数据；所述卷积支路对四元特征矩阵进行卷积操作，得到四元卷积处理数据；所述拼接层将所述四元特征激活处理数据和所述四元卷积处理数据按四元特征矩阵形式拼接。2.根据权利要求1所述的基于四元Sigmoid激活函数的图像分类方法，其特征在于，所述四元激活函数为：q＝qa+qbi+qcj+qdk其中，q表示四元图像特征信息，qa表示四元图像特征信息的实部分量；qb表示四元图像特征信息虚部i的分量；qc表示四元图像特征信息虚部j的分量，qc表示四元图像特征信息虚部k的分量；所述四元激活函数中四元数的除法计算公式为：3.根据权利要求1所述的基于四元Sigmoid激活函数的图像分类方法，其特征在于，在所述获取待分类图像之后，还包括：将所述待分类图像进行取均值和方差归一化处理，并调整为32x32大小的RGB图。4.根据权利要求1所述的基于四元Sigmoid激活函数的图像分类方法，其特征在于，所述基于四元Sigmoid激活函数的图像分类网络的训练过程，具体包括：获取训练图像；利用四元卷积层提取所述训练图像的四元图像特征信息；将所述四元图像特征信息分别输入四元Sigmoid激活函数支路和卷积支路；所述四元Sigmoid激活函数支路利用四元激活函数对所述四元图像特征信息进行前向传播计算后，再进行卷积操作，得到四元激活处理数据；所述卷积支路对所述四元图像特征信息进行卷积操作，得到卷积处理数据；将所述四元激活处理数据和所述卷积处理数据按四元特征矩阵形式拼接，得到四元特征矩阵；对所述四元特征矩阵进行批量归一化和RELU激活函数操作，得到归一化四元特征矩阵；利用全连接层根据所述归一化四元特征矩阵计算图像分类的概率，得到网络输出向量；利用交叉熵损失函数计算所述网络输出向量与真实标签的损失值；结合所述损失值进行反向传播，并更新网络参数，得到基于四元Sigmoid激活函数的图2CN115424071A权利要求书2/2页像分类网络。5.根据权利要求4所述的基于四元Sigmoid激活函数的图像分类方法，其特征在于，在所述对所述四元特征矩阵进行批量归一化和RELU激活函数操作，得到归一化四元特征矩阵之后，还包括：利用四元池化层对所述归一化四元特征矩阵进行池化操作，得到池化四元特征矩阵；对所述池化四元特征矩阵依次进行卷积操作、批量归一化操作和RELU激活函数操作。6.根据权利要求4所述的基于四元Sigmoid激活函数的图像分类方法，其特征在于，所述四元激活函数为：q＝qa+qbi+qcj+qdk其中，q表示四元图像特征信息，qa表示四元图像特征信息的实部分量；