基于分层选择性Adaboost-DNNs的图像分类模型建立、分类方法及系统

摘要

本发明属于计算机视觉技术领域，公开了一种基于分层选择性Adaboost‑DNNs的图像分类模型建立、分类方法及系统。方法包括：步骤1：获取图像数据集，标注图像数据集中的每张图像的类别，将图像分为训练集和验证集并设定训练集中每张图像的初始权重；步骤2：建立HS Adaboost‑DNNs模型，所述的HS Adaboost‑DNNs模型包括M个子网络，M为正整数，将图像数据集的所有类别作为真实标签，采用训练集、验证集和真实标签对HSAdaboost‑DNNs模型进行训练，至模型收敛后训练结束，将训练好的HSAdaboost‑DNNs模型作为图像识别预测模型。本发明可以用更少的网络层对容易识别的图像快速识别，对难以识别的图像需要通过更复杂的子模块，提高了图像分类的精度与速度。