对象分类方法、装置、设备及存储介质制造方法及图纸

本公开涉及一种对象分类方法、装置、设备及存储介质。该方法包括：在获取到待分类对象后，基于对象分类网络对待分类对象进行分类，得到待分类对象的分类结果，对象分类网络中的至少一个目标神经元基于线性归一化函数进行激活，线性归一化函数的输出值为线性归一化函数的输入值与线性归一化系数的乘积，线性归一化系数根据目标常数值和归一特征通道数量确定。引入上述线性归一化函数的对象分类网络，可以提高训练过程中的训练精度，使得在基于训练好的对象分类网络做对象分类时，可以提高分类准确性，满足用户的分类需求。满足用户的分类需求。满足用户的分类需求。

【技术实现步骤摘要】
对象分类方法、装置、设备及存储介质


[0001]本公开涉及计算机
，尤其涉及一种对象分类方法、装置、设备及存储介质。

技术介绍

[0002]随着计算机技术的不断发展，深度学习技术也被越来越广泛的应用到图像处理、图像识别、物体分类以及数据处理等领域。例如，通常使用人工神经网络(Artificial Neural Network，ANN)对图像、音频等进行分类。人工神经网络由大量的神经元相互连接构成。每个神经元的输出通过一种特定的输出函数进行处理，该特定的输出函数为激活函数。
[0003]现有技术中，激活函数的作用是强化人工神经网络的学习能力，以使人工神经网络适应多样化的数据处理场景。然而，对引入激活函数的人工神经网络进行训练时，人工神经网络的浅层神经元在参数训练过程中容易出现参数梯度消失现象，导致浅层网络难以充分训练；并且，人工神经网络由于层间流量干扰导致的参数训练出现内部协变量漂移问题，影响人工神经网络的参数学习效率和精度。因此，基于上述人工神经网络做对象分类时，分类准确性较差，不能满足用户的分类需求。
>
技术实现思路
...

【技术保护点】

【技术特征摘要】
1.一种对象分类方法，其特征在于，包括：获取待分类对象；基于对象分类网络对所述待分类对象进行分类，得到所述待分类对象的分类结果，所述对象分类网络中的至少一个目标神经元基于线性归一化函数进行激活，所述线性归一化函数的输出值为所述线性归一化函数的输入值与线性归一化系数的乘积，所述线性归一化系数根据目标常数值和归一特征通道数量确定。2.根据权利要求1所述的方法，其特征在于，所述归一特征通道数量包括目标神经元所属的目标隐藏层的第一特征通道数量或目标神经元的输入神经网络层的第二特征通道数量。3.根据权利要求1所述的方法，其特征在于，所述线性归一化系数为所述目标常数值与多特征通道归一参数的乘积，所述多特征通道归一参数为所述归一特征通道数量的倒数。4.根据权利要求1所述的方法，其特征在于，所述线性归一化系数还根据所述目标神经元的输入神经网络层的单特征通道的第一神经元数量、所述输入神经网络层的单特征通道的输入数据数量、所述输入神经网络层的数量和所述目标神经元所属的目标隐藏层的单特征通道的第二神经元数量确定。5.根据权利要求4所述的方法，其特征在于，所述线性归一化系数为所述目标常数值、多特征通道归一参数、卷积池化归一参数和多输入神经网络层归一参数的乘积；其中，所述多特征通道归一参数为所述归一特征通道数量的倒数；所述卷积池化归一参数为所述第一神经元数量除以所述输入数据数量和所述第二神经元数量的乘积的商；所述多输入神经网络层归一参数为所述输入神经网络层的数量的倒数。6.根据权利要求4所述的方法，其特征在于，所述线性归一化系数还根据所述目标隐藏层的最大权重值确定；其中，所述线性归一化系数为所述目标常数值、多特征通道归一参数、卷积池化归一参数、多输入神经网络层归一参数和权重增益归一...

【专利技术属性】
技术研发人员：王树松，
申请(专利权)人：王树松，
类型：发明
国别省市：