一种基于卷积神经网络的非监督图像识别方法

摘要

本发明公开一种基于卷积神经网络的非监督图像识别方法，主要用于非监督学习的图像识别等领域。此方法包括卷积神经网络初始化，训练非监督图像识别网络两个部分，主要涉及到非监督图像识别过程。首先，利用带5个卷积层和3个全连接层的卷积神经网络形成非监督识别网络，并对数据随机分组得到初始的图像聚类中心；然后，在该卷积网络中加入类内约束，利用加入类内约束的目标函数训练网络以更新网络权重；最后，利用更新过的网络得到对应图像的特征进行聚类，更新聚类分组和聚类中心，并利用更新之后的分组继续训练网络。该方法提出的非监督的卷积神经网络具有强大的图像特征提取的功能，对于输入的图像具有较强的鲁棒能力，其非监督训练通过重建图像本身实现。该网络加入的类内约束则可以让样本在特征空间高度可分，实现更好的非监督图像识别功能。该方法可以获得优于传统方法的非监督图像识别效果。