构建卷积神经网络制造技术

本公开的实施例提供了一种用于信息处理的方法、装置和计算机程序产品。该方法包括：基于针对多媒体内容的训练数据集，确定用于卷积神经网络中的卷积层的卷积参数和第一特征图；根据第一特征图之间的相关性来改变第一特征图的顺序，以获得第二特征图；以及基于训练数据集和第二特征图来更新卷积参数。

【技术实现步骤摘要】
【国外来华专利技术】构建卷积神经网络
本公开的实施例一般地涉及信息处理，并且更特别地涉及用于构建卷积神经网络(CNN)的方法、装置和计算机程序产品。
技术介绍
CNN已经在图像识别、对象检测、语音识别等应用中实现了最先进的性能。CNN的代表性应用包括阿尔法围棋(AlphaGo)、高级驾驶员辅助系统(ADAS)、自动驾驶汽车、光学字符识别(OCR)、面部识别、大规模图像分类(例如，ImageNet分类)、以及人机交互(HCI)。通常，CNN被组织在两种类型的交织层中：卷积层和池化(子采样)层。卷积层的作用是特征表示，并且特征的语义层次随着层的深度而增加。设计有效的卷积层以获得稳健的特征图(featuremap)是提高CNN性能的关键。
技术实现思路
总体上，本公开的实施例包括一种用于构建CNN的方法、装置和计算机程序产品。在本公开的第一方面，提供了一种方法。该方法包括：基于针对多媒体内容的训练数据集，确定用于卷积神经网络中的卷积层的卷积参数和第一特征图；根据第一特征图之间的相关性来改变第一特征图的顺序，以获得第二特征图；以及基于训练数据集和第二特征图来更新卷积参数。在一些实施例中，更新卷积参数包括：确定第一特本文档来自技高网...

【技术保护点】
1.一种方法，包括：基于针对多媒体内容的训练数据集，确定用于卷积神经网络中的卷积层的卷积参数和第一特征图；根据所述第一特征图之间的相关性来改变所述第一特征图的顺序，以获得第二特征图；以及基于所述训练数据集和所述第二特征图来更新所述卷积参数。

【技术特征摘要】
【国外来华专利技术】1.一种方法，包括：基于针对多媒体内容的训练数据集，确定用于卷积神经网络中的卷积层的卷积参数和第一特征图；根据所述第一特征图之间的相关性来改变所述第一特征图的顺序，以获得第二特征图；以及基于所述训练数据集和所述第二特征图来更新所述卷积参数。2.根据权利要求1所述的方法，其中更新所述卷积参数包括：确定所述第一特征图的所述顺序的改变量；以及响应于所述量大于预定阈值，更新所述卷积参数。3.根据权利要求2所述的方法，进一步包括：将索引指配给所述第一特征图；以及生成所述索引的列表。4.根据权利要求3所述的方法，进一步包括：基于所述第二特征图来更新所述索引的所述列表。5.根据权利要求4所述的方法，其中确定所述第一特征图的所述顺序的改变量包括：确定所生成的所述索引的所述列表与经更新的所述索引的所述列表之间的差异。6.根据权利要求1至5中任一项所述的方法，其中根据所述第一特征图之间的相关性来改变所述第一特征图的顺序包括：获得所述第一特征图的表示信息；确定所述表示信息之间的差异；以及基于所述表示信息之间的所述差异来确定所述相关性。7.一种装置，包括：至少一个处理器；以及包括计算机程序代码的至少一个存储器；所述至少一个存储器和所述计算机程序代码被配置为，与所述至少一个处理器一起，使得所述装置至少：基于针对多媒体内容的训练数据集，确定用于卷积神经网络中的卷积层的卷积参数和第一特征图；根据所述第一特征图之间的相关性来改变所述第一特征图的顺序，以获得第二特征图；以及基于所述训练数据集和所述第二特征图来更新所述卷积参数。8.根据权利要求7所述的装置，其中所述至少一个存储器和所述计算...

【专利技术属性】
技术研发人员：曹家乐，
申请(专利权)人：诺基亚技术有限公司，
类型：发明
国别省市：芬兰,FI