基于稀疏迁移网络的人体行为微多普勒分类方法

摘要

本发明公开了一种基于稀疏迁移网络的人体行为微多普勒分类方法，首先，确定神经网络的初始结构，在ImageNet自然图像数据库中进行预训练；然后，修改网络的全连接层，使网络输出层单元与拟分类微多普勒类别数相一致；接着，基于稀疏约束准则在少量微多普勒图像集上进行迁移训练，训练过程中，对网络的冗余区域进行标注；最后，将网络的冗余区域进行剪枝，即可在不影响识别性能的前提下，大幅降低网络复杂度，从而获得轻量化的深度网络。