(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 202211075625.5 (22)申请日 2022.09.05 (71)申请人 南昌航空大 学 地址 330063 江西省南昌市丰和南大道696 号 (72)发明人 盖杉　態页鹤　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 万慧华 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/42(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于四元Sigmoid激活函数的图像分类方法 及系统 (57)摘要 本发明涉及一种基于四元Sigmoid激活函数 的图像分类方法， 属于深度学习技术领域， 利用 基于四元Sigmoid激活函数的 图像分类网络对待 分类图像进行图像 分类。 该图像分类网络包括并 联结构层； 并联结构层包括： 拼接层、 四元 Sigmoid激活函数支路和卷积支路； 其中四元 Sigmoid激活函数支路和卷积支路并联； 四元 Sigmoid激活函数支路利用四元激活函数对四元 特征矩阵进行前向传播计算后， 再进行卷积操 作； 卷积支路对四元特征矩阵进行卷积操作； 拼 接层将两个输出拼接。 本发明利用四元Sigmoid 激活函数和与之配合的并联结构， 能够遵循四元 数运算法则， 从而保留了图像数据信息的完整 性， 提高了图像分类的准确性。 权利要求书2页 说明书16页 附图4页 CN 115424071 A 2022.12.02 CN 115424071 A 1.一种基于四元Sigmo id激活函数的图像分类方法， 其特 征在于， 所述方法包括： 获取待分类图像； 利用基于四元Sigmo id激活函数的图像分类网络对所述待分类图像进行图像分类； 所述基于四元Sigmoid激活函数的图像分类网络包括并联结构层； 所述并联结构层包 括： 拼接层、 四元Sigmoid激活函数支路和卷积支路； 所述四元Sigmoid激活函数支路和所述 卷积支路并联； 所述四元Sigmoid激活函数支路利用四元激活函数对四元特征矩阵进行前向传播计算 后， 再进行卷积操作， 得到四元特征激活处理数据； 所述卷积支路对四元特征矩阵进 行卷积 操作， 得到四元卷积处理数据； 所述拼接层将所述四元特征激活处理数据和所述四元卷积 处理数据按四元 特征矩阵形式拼接 。 2.根据权利要求1所述的基于四元Sigmoid激活函数的图像分类方法， 其特征在于， 所 述四元激活函数为： q＝qa+qbi+qcj+qdk 其中， q表示四元图像特征信息， qa表示四元图像特征信息的实部分量； qb表示四元图像 特征信息虚部 i的分量； qc表示四元图像特征信息虚部j的分量， qc表示四元图像特征信息虚 部k的分量； 所述四元激活函数中四元 数的除法计算公式为： 3.根据权利要求1所述的基于四元Sigmoid激活函数的图像分类方法， 其特征在于， 在 所述获取待分类图像之后， 还 包括： 将所述待分类图像进行 取均值和方差归一 化处理， 并调整为32x32大小的RGB图。 4.根据权利要求1所述的基于四元Sigmoid激活函数的图像分类方法， 其特征在于， 所 述基于四元Sigmo id激活函数的图像分类网络的训练过程， 具体包括： 获取训练图像； 利用四元 卷积层提取 所述训练图像的四元图像特 征信息； 将所述四元图像特征信息分别输入四元Sigmoid激活函数支路和卷积支路； 所述四元 Sigmoid激活函数支路利用四元激活函数对所述四元图像特征信息进行前向传播计算后， 再进行卷积操作， 得到四元激活处理数据； 所述卷积支路对所述四元图像特征信息进行卷 积操作， 得到卷积处 理数据； 将所述四元激活处理数据和所述卷积处理数据按四元特征矩阵形式拼接， 得到四元特 征矩阵； 对所述四元特征矩阵进行批量归一化和RELU激活函数操作， 得到归一化四元特征矩 阵； 利用全连接层根据所述归一化四元特征矩阵计算图像分类的概率， 得到网络输出向 量； 利用交叉熵损失函数计算所述网络 输出向量与真实标签的损失值； 结合所述损失值进行反向传播， 并更新网络参数， 得到基于四元Sigmoid激活函数的图权　利　要　求　书 1/2 页 2 CN 115424071 A 2像分类网络 。 5.根据权利要求4所述的基于四元Sigmoid激活函数的图像分类方法， 其特征在于， 在 所述对所述四元特征矩阵进 行批量归一化和RELU激活函数操作， 得到归一化四元特征矩阵 之后， 还包括： 利用四元池化层对所述归一 化四元特征矩阵进行池化操作， 得到池化四元 特征矩阵； 对所述池化四元 特征矩阵依次进行 卷积操作、 批量归一 化操作和RELU激活函数操作。 6.根据权利要求4所述的基于四元Sigmoid激活函数的图像分类方法， 其特征在于， 所 述四元激活函数为： q＝qa+qbi+qcj+qdk 其中， q表示四元图像特征信息， qa表示四元图像特征信息的实部分量； qb表示四元图像 特征信息虚部 i的分量； qc表示四元图像特征信息虚部j的分量， qc表示四元图像特征信息虚 部k的分量； 所述四元激活函数中四元 数的除法计算公式为： 7.根据权利要求4所述的基于四元Sigmoid激活函数的图像分类方法， 其特征在于， 在 所述获取训练图像之后， 还 包括： 对所述训练图像进行取均值、 方差归一化操作， 并调整所述训练图像的大小为32x32的 3通道RGB图像。 8.根据权利要求4所述的基于四元Sigmoid激活函数的图像分类方法， 其特征在于， 所 述利用四元 卷积层提取 所述训练图像的四元图像特 征信息， 具体包括： 对所述训练图像进行步长为1的卷积 操作， 得到一维四元 特征矩阵； 利用四元卷积层提取所述一维四元特征矩阵的四元图像特征信 息； 所述四元卷积层的 卷积核大小为3x3、 特 征边缘填充为1、 步长为1以及四元 卷积核为32。 9.根据权利要求4所述的基于四元Sigmoid激活函数的图像分类方法， 其特征在于， 在 所述利用四元 卷积层提取 所述训练图像的四元图像特 征信息之后， 还 包括： 将所述四元图像特 征信息的每 个通道特 征数据进行去均值和方差归一 化操作。 10.一种基于四元Sigmo id激活函数的图像分类系统， 其特 征在于， 所述系统包括： 图像获取 单元， 用于获取待分类图像； 图像分类单元， 用于利用基于四元Sigmoid激活函数的图像分类网络对所述待分类图 像进行图像分类； 所述基于四元Sigmoid激活函数的图像分类网络包括并联结构层； 所述并联结构层包 括： 拼接层、 四元Sigmoid激活函数支路和卷积支路； 所述四元Sigmoid激活函数支路和所述 卷积支路并联； 所述四元Sigmoid激活函数支路利用四元激活函数对四元特征矩阵进行前向传播计算 后， 再进行卷积操作， 得到四元特征激活处理数据； 所述卷积支路对四元特征矩阵进 行卷积 操作， 得到四元卷积处理数据； 所述拼接层将所述四元特征激活处理数据和所述四元卷积 处理数据按四元 特征矩阵形式拼接 。权　利　要　求　书 2/2 页 3 CN 115424071 A 3