简介： 本发明涉及一种基于信息无损池化的深度卷积神经网络方法，用于图像分类，包括下列步骤：收集各种不同类别的图像，并标注图像类别，作为图像标签信息；图像集划分，将收集的图像划分为训练集，验证集和测试集；设计基于信息无损池化的卷积神经网络结构，包括所用的卷积层层数和信息无损池化层的层数，设计卷积层中滤波器的个数，设计信息无损池化层的高斯平滑滤波器参数，池化窗口尺寸以及用于特征融合的卷积滤波器结构，设计网络训练循环迭代的次数和网络最终收敛条件，并初始化网络参数；将训练数据批量的输入到该网络中，进行计算和训练。