一种基于遗传算法的空洞卷积神经网络及其优化方法

本发明涉及神经网络模型的结构优化技术领域，尤其为一种基于遗传算法的空洞卷积神经网络及其优化方法，该方法先构建架构与超参数分层协同进化种群并配对，再通过分层协同适应度评估计算任务性能与结构效率适应度向量，经子种群竞争交互、架构引导的协同变异及精英保留筛选最优个体对，迭代后解码并充分训练得到最终模型；优化后的空洞卷积神经网络实现架构与超参数动态适配，兼顾高任务性能与优结构效率，自动化程度高，降低设计门槛，提升训练稳定性与场景适配性，适用于图像分割目标检测等计算机视觉推理任务。本发明实现架构与超参数协同优化，兼顾任务性能与运行效率，自动化程度高，避免陷入局部最优，适用于图像分割等计算机视觉任务。