欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024113670081
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种约束条件下轻量级网络架构搜索的髌骨X光图像识别方法,其特征在于,是按如下步骤进行:步骤1、收集I种真实类别标签的髌骨X光图像并进行预处理,得到预处理后的髌骨X光图像集并划分为训练集Dtra和验证集Dval;

步骤2、构建由若干个MobileNetV3结构的卷积模块、若干个最大池化模块和若干个平均池化模块组成的卷积神经网络;每个卷积模块内包括逐点卷积层、深度可分离卷积层、SE注意力层以及倒残差连接,其中,所述深度可分离卷积层中的滤波器数量在1到512的范围内;令所述卷积神经网络的结构长度L为卷积模块、最大池化模块和平均池化模块的总个数;

步骤3、构建以卷积神经网络为个体的种群并进行迭代进化,从而获得性能最佳的个体作为最优髌骨X光图像识别模型 Abest;

步骤3.1、参数定义并初始化,包括:种群大小为N,初始修剪率为,总迭代次数为T,当前迭代次数为t,训练周期为,交叉概率为,变异概率为;

步骤3.2、初始化t=1;

对卷积神经网络进行编码,得到一个个体,且个体的长度为卷积神经网络中的模块总数,所述个体中的每一个数字对应卷积神经网络中的一个模块,其中,卷积模块用[1,512]之间的数字表征,平均池化模块用大于0.5的数字表征,最大池化模块用小于0.5的数字表征,所述个体中的数字顺序表征卷积神经网络中层与层之间的连接顺序;

对N个卷积神经网络进行随机初始化,从而得到N个个体所组成的第t代种群Pt;

步骤3.3、将第t代种群Pt中的N个个体进行解码后,得到第t代种群Pt中的N个卷积神经网络;

步骤3.4、将训练集 Dtra分别输入第t代种群Pt中的N个卷积神经网络中进行处理,得到第t代种群Pt中的N个卷积神经网络的预测类别标签,并与训练集 Dtra的真实类别标签构建交叉熵损失函数,从而对第t代种群Pt中的N个卷积神经网络进行训练,得到训练后的第t代种群Pt;

将验证集 Dval分别输入训练后的第t代种群Pt的N个卷积神经网络中进行处理,从而得到N个卷积神经网络的预测类别标签,并与验证集 Dval的真实类别标签计算第t代种群Pt的每个个体的分类精度;

步骤3.5、利用式(1)计算第t代种群Pt的第i个个体的惩罚项CVt,i。

2.(1)

式(1)中,Paramst,i表示第t代种群Pt的第i个个体中的参数数量,Flopst,i表示第t代种群Pt的第i个个体的运算浮点数;Paramsmax表示给定的每个个体的参数数量上限,Flopsmax表示给定的每个个体的运算浮点数上限;Lt,i表示第t代种群Pt的第i个个体的结构长度;、和分别代表3个惩罚因子;

步骤3.6、利用式(2)计算第t代种群Pt的第i个个体的适应度值Ft,i;

(2)

式(2)中,Accuracyt,i代表第t代种群Pt的第i个个体的分类精度;

步骤3.7、采用二进制锦标赛选择策略从第t代种群 Pt中每次选取两个父代个体,并比较所选取的两个父代个体的适应度值,并保留适应度值较高的父代个体加入第t代交配池Pt’中,直至交配池 Pt’中的个体数量为 N为止;

步骤3.8、基于自适应修剪率对第t代交配池 Pt’进行修剪之后,得到修剪后的第t代种群APt’;

步骤3.9、对第t代交配池 Pt’进行交叉变异,得到变异后的第t代种群Ct’:步骤3.10、将APt’和Ct’合并为规模为N的第t代子代种群Qt;

步骤3.11、将Pt与Qt进行合并后,形成规模为 2N的第t代混合种群Mt,并根据Mt中每个个体的适应度值,通过轮盘赌选择机制从Mt中选出N个个体,从而构成第t+1代种群Pt+1;

步骤3.12、将 t+1赋值给 t后,若 t>T成立,则表示得到第T代种群PT,并执行步骤3.13,否则,返回步骤3.3顺序执行;

步骤3.13、对第T代种群PT中N个个体的适应度值进行降序排序,并将适应度值最大的个体作为最优髌骨X光图像识别模型 Abest,用于对输入的髌骨X光图像进行识别,得到最佳预测类别标签。

3.根据权利要求1所述的一种约束条件下轻量级网络架构搜索的髌骨X光图像识别方法,其特征在于,所述步骤3.8是按如下步骤进行:步骤3.8.1、对第t代交配池 Pt’中的个体按照自身的分类精度进行降序排列,得到排列后的第t代第一种群;

步骤3.8.2、对第t代交配池 Pt’中的个体按照自身的适应度函数进行降序排列,得到排列后的第t代第二种群;

步骤3.8.3、利用式(3)计算第t代交配池 Pt’中的第i个个体的复杂度complexityt,i,从而、对第t代交配池 Pt’中的个体按照自身的复杂度进行升序排列,得到排列后的第t代第三种群;

(3)

步骤3.8.4、从排列后的第t代第一种群、第t代第二种群、第t代第三种群中分别选择前k个个体并组成第t代临时种群APt;

步骤3.8.5、利用式(4)计算第t代的自适应修剪率:

(4)

步骤3.8.6、基于,对APt中每个个体的每个卷积模块的滤波器数量进行改变,从而得到修剪后的第t代种群APt’。

4.根据权利要求2所述的一种约束条件下轻量级网络架构搜索的髌骨X光图像识别方法,其特征在于,所述步骤3.9是按如下步骤进行:步骤3.9.1、通过二元锦标赛的形式从第t代交配池 Pt’中选择两个不重复父代个体pt,1和pt,2,并以交叉概率a对pt,1和pt,2进行单点交叉,从而得到第t代的两个子代个体ot,1和ot,1加入第t代候选子代种群Ct 中,直至Ct 中子代个体的数量为N-3k为止;

步骤3.9.2、以变异概率b对Ct中的每个子代个体进行变异操作,得到变异后的种群Ct’。

5.一种电子设备,包括存储器以及处理器,其特征在于,所述存储器用于存储支持处理器执行权利要求1-3中任一所述髌骨X光图像识别方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。

6.一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行权利要求1-3中任一所述髌骨X光图像识别方法的步骤。