一种多类中心的分类网络模型的设计方法

摘要

本发明公开了一种多类中心的分类网络模型的设计方法，涉及深度学习技术领域。本发明针对CNN+FC+Softmax框架在处理那些特征多样性强的分类数据集时模型性能下降的问题，借鉴混合高斯模型的思想，提出一种给每一个分类设定多个聚类中心的方法，并且采用最优值选择机制，让同一类中的特征差异较大的各张不同图片都可以向着一个对它来说最合适的特征中心点去聚拢，可以驱使类内各中心点分离，防止粘连在一起，增加了类特征的丰富性趋势，同时也增加了模型的可分性和可判性，本发明中的这种设计方法，提升训练的速度，保留了各分类的多样性特征，改善了模型性能下降的问题。