神经元激活方法、装置和系统以及对象分类方法和系统制造方法及图纸

本申请公开了神经元激活方法、装置和系统以及对象分类方法和系统。神经元激活方法包括：将卷积神经网络的同一层中的至少部分神经元划分成至少一个神经元组，至少一个神经元组中的每个神经元组包括相邻的至少二个神经元；调整神经元组中各神经元被激活的概率；以及根据神经元组中各神经元调整后所得到的激活概率激活相应的神经元。本申请实施例提供的技术方案增强了卷积神经网络的分类能力。

Neuron activation methods, devices and systems, and object classification methods and systems

【技术实现步骤摘要】
神经元激活方法、装置和系统以及对象分类方法和系统
本申请涉及深度学习领域，具体地涉及神经元激活方法、装置和系统以及对象分类方法和系统。
技术介绍
作为深度学习网络的典型代表，CNN(ConvolutionalNeuralNetwork，卷积神经网络)具有强大的对象分类能力，因而在诸如图像识别等领域中得以广泛应用。在CNN中，一般需要通过特定的神经元激活方法来为CNN提供非线性的建模能力以增强特征区分能力以及获得稀疏的分布式表达以增强信噪比。在常规的CNN激活方法中，一般仅在单个神经元的尺度上处理信息，从而基于单个神经元的状态对神经元进行激活。
技术实现思路
本申请提供了神经元激活的技术方案以及对象分类技术方案。本申请实施例的一方面提供了一种神经元激活方法，该方法可包括：将卷积神经网络的同一层中的至少部分神经元划分成至少一个神经元组，至少一个神经元组中的每个神经元组包括相邻的至少二个神经元；调整神经元组中各神经元被激活的概率；以及根据神经元组中各神经元调整后所得到的激活概率激活相应的神经元。本申请实施例的另一方面提供了一种对象分类方法，该方法可包括：过滤图像以生成第一特征图；通过使用上述神本文档来自技高网...

【技术保护点】
一种神经元激活方法，其特征在于，包括：将卷积神经网络的同一层中的至少部分神经元划分成至少一个神经元组，所述至少一个神经元组中的每个神经元组包括相邻的至少二个神经元；调整所述神经元组中各神经元被激活的概率；以及根据所述神经元组中所述各神经元调整后所得到的激活概率激活相应的神经元。

【技术特征摘要】
1.一种神经元激活方法，其特征在于，包括：将卷积神经网络的同一层中的至少部分神经元划分成至少一个神经元组，所述至少一个神经元组中的每个神经元组包括相邻的至少二个神经元；调整所述神经元组中各神经元被激活的概率；以及根据所述神经元组中所述各神经元调整后所得到的激活概率激活相应的神经元。2.根据权利要求1所述的神经元激活方法，其特征在于，所述调整所述神经元组中各神经元被激活的概率包括：增大部分神经元被激活的概率而降低其余神经元被激活的概率，其中，所述神经元组中所述各神经元被激活的概率之和为常数。3.根据权利要求1所述的神经元激活方法，其特征在于，所述调整所述神经元组中各神经元被激活的概率包括：根据所述卷积神经网络的所述神经元组所在层的输入与所述神经元所包括的滤波器的关联程度，增大部分神经元被激活的概率而降低其余神经元被激活的概率，其中，所述神经元组中所述各神经元被激活的概率之和为常数。4.根据权利要求1至3中任一项所述的神经元激活方法，其特征在于，所述根据各神经元调整后所得到的激活概率激活相应的神经元包括：将所述神经元组中所述各神经元调整后所得到的激活概率作为所述神经元组的输出输入至所述卷积神经网络中所述神经元组所在层的下一层。5.根据权利要求1至4中任一项所述的神经元激活方法，其特征在于，不同神经元组的神经元被激活的概率彼此统计独立。6.一种对象分类方法，其特征在于，包括：过滤图像以生成第一特征图；通过使用权利要求1至5中任一项所述的神经元激活方法激活卷积神经网络中的多个神经元；通过所激活的多个神经元从所述第一特征图生成第...

【专利技术属性】
技术研发人员：李帅，王晓刚，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：北京,11