基于图像梯度的卷积方法、基于方向卷积的神经网络及分类方法

摘要

本发明公开了基于图像梯度的卷积方法、基于方向卷积的神经网络及分类方法，属于卷积神经网络领域。本发明通过对图像进行基于图像梯度信息的方向卷积以提取图像特征。本发明的基于方向卷积的神经网络，将显式先验知识‑图像梯度信息嵌入深度学习模型中，有效降低网络参数空间的规模，减少局部极值的问题。本发明通过在浅层网络的基础上加入先验知识提升精度，用极少参数的较浅模型达到能与深度模型相比拟的图像分类识别准确率。引入方向卷积的小型化卷积神经网络模型在MNIST数据集上仅用0.062M的参数量就达到了与现有深度模型相比拟的分类精度，其参数量较经典卷积神经网络少了两个数量级。