基于空间金字塔池化的多尺度GCNN网络模型构建方法

本发明公开了基于空间金字塔池化的多尺度GCNN网络模型构建方法，涉及可增长的卷积神经网络GCNN相关算法，解决了现有方法尺度识别能力有限、网络模型设计复杂和训练困难的技术问题；包括：获取CIFAR‑100数据集并预处理图像。在GCNN模型中采用多尺度输入策略，结合卷积层和空间金字塔池化层进行特征提取，构建可捕捉不同尺度和层次特征的网络结构。选用交叉熵损失函数评估分类差异，用Adam优化器进行参数更新，通过反向传播算法迭代模型权重以进行多尺度特征学习和优化。根据评价指标对GCNN网络模型进行评估和优化。本发明能够减少设计模型的复杂性，增强对尺度变化的识别能力，提高模型的准确率。