一种基于深度卷积神经网络模型的广告图像分类方法

本发明涉及计算机视觉与人工智能技术领域，提供了一种基于深度卷积神经网络模型的广告图像分类方法，包括初始化特征提取模块获取参数信息，设定初始迭代次数和网络权重后执行训练步骤：特征提取模块采集广告图像样本并生成各分类节点的特征向量集合；针对每个预设类别标识，确定其特征空间分布集合，划分特征向量集合和空间分布组得到训练集和验证集；若迭代次数满足条件则根据训练集和验证集生成分类参数信息；否则更新迭代次数和网络权重继续训练。该方法通过特征空间分布和动态迭代优化实现高效分类。本发明可以提高广告图像分类的准确性和效率，增强模型的泛化能力。