技术特征：
技术总结
本发明公开了一种基于多个分类器的卷积神经网络快速分类方法，该方法在除最后一个之外的卷积层后分别添加一个激活函数和线性分类器。在训练网络时，先获取卷积层的图像特征，使用交叉熵损失函数训练该卷积层后的分类器。训练完成后，调节激活函数，使分类准确率达到最佳。在进行图像分类任务时，前向传播过程会依次激活每一层的分类器，分类器对卷积后的图像特征进行计算分析，得出一个判别值，该判别值若符合激活函数的激活要求，就直接将分类器的分类结果输出，结束分类过程。反之，前向传播激活下一卷积层继续进行分类任务。该方法可以将易分类的图像提前进行分类而结束网络前向传播过程，从而提升网络分类速度，节省分类时间，具有良好的实用价值。
技术研发人员：李建更;李立杰;张岩;王朋飞
受保护的技术使用者：北京工业大学
技术研发日：2017.04.16
技术公布日：2017.10.03