(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210580344.9 (22)申请日 2022.05.26 (71)申请人 华南师范大学 地址 528225 广东省佛山市南海区狮山 南 海软件园华 南师范大学软件学院 (72)发明人 冼广铭　缪子明　柳寒　 (74)专利代理 机构 广州骏思知识产权代理有限 公司 44425 专利代理师 张金龙 (51)Int.Cl. G06V 10/764(2022.01) G06K 9/62(2022.01) G06V 10/82(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于改进MobileNet 的海鲜图像分类方法、 装置及服 务器 (57)摘要 本发明涉及一种基于改进MobileNet的海鲜 图像分类方法， 包括步骤： 获取待分类的海鲜 图 像 ； 将所 述 待分 类的 海 鲜图 像 输 入改 进 MobileNet模型进行分类， 获得待分类的海鲜图 像所属的类别； 其中， 所述改进MobileNet模型包 括依序连接 的第一conv2d卷积层、 十五层bneck 卷积层、 第二conv2d卷积层、 池 化层、 全连接层和 三个全连接模块， 所述全 连接模块包括依次连接 的第一全连接层、 第二全连接层和残差连接层， 所述第一全连接层用于对所述全连接层的输出 图像进行全 连接操作， 所述第二全 连接层用于对 所述第一全 连接层的输出图像进行全 连接操作， 所述残差连接层用于对所述全连接层的输出图 像与所述第二全连接层的输出图像进行残差连 接。 本发明基于改进MobileNet的海鲜图像分类 方法具有较高的分类准确度。 权利要求书2页 说明书9页 附图4页 CN 114842269 A 2022.08.02 CN 114842269 A 1.一种基于改进Mobi leNet的海 鲜图像分类方法， 其特 征在于， 包括 步骤： 获取待分类的海 鲜图像； 将所述待分类的海鲜图像输入改进MobileNet模型进行分类， 获得待分类的海鲜图像 所属的类别； 其中， 所述改进MobileNet模型包括依序连接的第一conv2d卷积层、 十五层 bneck卷积层、 第二conv2d卷积层、 池化层、 全 连接层和三个全 连接模块， 所述第一conv2d卷 积层用于对所述待分类的海鲜图像进行conv2d卷积操作； 十五层所述bneck卷积层依序用 于对所述第一conv2d卷积层的输出图像通过1*1卷积核进行升维， 且通过不同设定大小的 卷积核进行深度可分离卷积； 所述第二conv2d卷积层用于对最后一层所述bneck卷积层的 输出图像进 行conv2d卷积操作； 所述池化层用于对 所述第二conv2d卷积层的输出图像进行 池化操作； 所述全连接层用于对所述池化层的输出图像进行全连接操作； 所述全连接模块 包括依次连接的第一全连接层、 第二全连接层和残差连接层， 所述第一全连接层用于对所 述全连接层的输出图像进 行全连接操作， 所述第二全连接层用于对所述第一全连接层的输 出图像进 行全连接操作， 所述残差连接层用于对所述全连接层的输出图像与所述第二全连 接层的输出图像进行残差连接 。 2.根据权利要求1所述的方法， 其特征在于： 所述第 一全连接层和第 二全连接层的输出 图像通过ELU激活函数进行处 理。 3.根据权利要求1所述的方法， 其特征在于： 训练所述改进MobileNet模型 时， 通过回调 函数训练改进Mobi leNet模型的三个全连接模块的参数。 4.根据权利要求3所述的方法， 其特征在于： 所述改进MobileNet模型的初始权重参数 为Imagenet的预训练权 重参数； 所述回调函数为EarlyStop ping和/或ReduceLROnPlateau。 5.一种基于改进Mobi leNet的海 鲜图像分类装置， 其特 征在于， 包括： 图像获取模块， 用于获取待分类的海 鲜图像； 图像分类模块， 用于将所述待分类的海鲜图像输入改进MobileNet模型进行分类， 获得 待分类的海鲜图像所属的类别； 其中， 所述改进MobileNet模 型包括依序连接的第一conv2d 卷积层、 十五层bneck卷积层、 第二conv2d卷积层、 池化层、 全连接层和三个全连接模块， 所 述第一conv2d卷积层用于对所述待分类的海鲜图像进行conv2d卷积操作； 十五层所述 bneck卷积层依序用于对 所述第一conv2d卷积层的输出图像通过1*1卷积核进行升维， 且通 过不同设定大小的卷积核进 行深度可分离卷积； 所述第二conv2d卷积层用于对最后一层所 述bneck卷积层的输出图像进行conv2d卷积操作； 所述池化层用于对所述第二conv2d卷积 层的输出图像进行池化操作； 所述全连接层用于对所述池化层的输出图像进行全连接操 作； 所述全连接模块包括依次连接的第一全连接层、 第二全连接层和残差连接层， 所述第一 全连接层用于对所述全连接层的输出图像进 行全连接操作， 所述第二全连接层用于对所述 第一全连接层的输出图像进行全连接操作， 所述残差连接层用于对所述全连接层的输出图 像与所述第二全连接层的输出图像进行残差连接 。 6.根据权利要求5所述的装置， 其特征在于： 所述第 一全连接层和第 二全连接层的输出 图像通过ELU激活函数进行处 理。 7.根据权利要求5所述的装置， 其特 征在于， 还 包括： 模型训练模块， 用于训练所述改进MobileNet模型， 通过回调函数训练改进MobileNet 模型的三个全连接模块的参数。权　利　要　求　书 1/2 页 2 CN 114842269 A 28.根据权利要求5所述的装置， 其特征在于： 所述改进MobileNet模型的初始权重参数 为Imagenet的预训练权 重参数； 所述回调函数为EarlyStop ping和/或ReduceLROnPlateau。 9.一种服 务器， 其特 征在于， 包括： 处理器； 存储器， 用于存 储有所述处 理器执行的计算机程序； 其中， 所述处 理器执行所述计算机程序时实现权利要求1 ‑4中任一项所述方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被执行时实现权利要求1 ‑4中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114842269 A 3