一种基于可跳层双支神经网络的图像粗细粒度分类方法

摘要

本发明属于计算机图像处理技术领域，具体为基于可跳层双支神经网络的图像粗细粒度分类方法。本发明方法包括：收集数据集，包括图像数据和对应的粗类别和细类别标签；构造可跳层双支神经网络，在密集连接的卷积神经网络中加入层级门控模块；对训练样本进行数据增强，训练可跳层双支神经网络；训练一端到端的神经网络，输出分类结果。本发明构建的可跳层双支神经网络可同时解决图像粗粒度和细粒度分类任务。该模型在密集连接的卷积层中加入门控模块，可根据输入动态地选择卷积层的执行；根据样本的难易程度和分类任务的粒度，网络的推断深度是可变的。此种灵活的卷积神经网络有利于提升模型容量和计算效率。