[發(fā)明專利]一種圖像分類方法、裝置及相關(guān)組件

在審

• 申請?zhí)枺?/td>: 202011110384.4
• 申請日: 2020-10-16
• 公開（公告）號: CN112270343A
• 公開（公告）日: 2021-01-26
• 發(fā)明（設(shè)計）人: 楊宏斌;金良;趙雅倩;董剛;劉海威;蔣東東;胡克坤;李仁剛
• 申請（專利權(quán)）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/06;G06N3/08
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 劉志紅

1.一種圖像分類方法，其特征在于，包括：

根據(jù)ELU負(fù)半軸對應(yīng)的函數(shù)和TLU函數(shù)構(gòu)造TELU激活函數(shù)；

對輸入圖像數(shù)據(jù)進(jìn)行卷積計算得到特征數(shù)據(jù)；

根據(jù)所述特征數(shù)據(jù)獲取神經(jīng)網(wǎng)絡(luò)當(dāng)前層中第c個通道、第b個batch對應(yīng)的均方歸一化處理后的目標(biāo)數(shù)據(jù)，其中，b、c均為正整數(shù)；

通過所述TELU激活函數(shù)得到所述目標(biāo)數(shù)據(jù)對應(yīng)的特征圖；

根據(jù)所有所述特征圖得到圖像分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的圖像分類方法，其特征在于，所述TELU激活函數(shù)為：

或，

其中，yi為所述輸入圖像數(shù)據(jù)，τ為學(xué)習(xí)閾值，α為可調(diào)參數(shù)。

3.根據(jù)權(quán)利要求1所述的圖像分類方法，其特征在于，所述特征數(shù)據(jù)的張量表示為[B，W，H，C]，B為mini batch size，C為卷積中filter的數(shù)量，W為所述特征數(shù)據(jù)的寬，H為所述特征數(shù)據(jù)的高。

4.根據(jù)權(quán)利要求3所述的圖像分類方法，其特征在于，所述根據(jù)所述特征數(shù)據(jù)獲取神經(jīng)網(wǎng)絡(luò)當(dāng)前層中第c個通道、第b個batch對應(yīng)的均方歸一化處理后的目標(biāo)數(shù)據(jù)的過程具體包括：

根據(jù)所述特征數(shù)據(jù)獲取神經(jīng)網(wǎng)絡(luò)當(dāng)前層中第c個通道、第b個batch的filter響應(yīng)的向量；

分別對每一所述向量進(jìn)行均方歸一化處理得到所述filter響應(yīng)的均值；

對所述均值進(jìn)行線性變換得到目標(biāo)數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的圖像分類方法，其特征在于，所述分別對每一所述向量進(jìn)行均方歸一化處理得到所述filter響應(yīng)的均值的過程具體包括：

通過第一關(guān)系式分別對每一所述向量進(jìn)行均方歸一化處理；

通過第二關(guān)系式得到所述filter響應(yīng)的均值；

所述第一關(guān)系式為υ²＝∑_ix_i²/N；

所述第二關(guān)系式為

其中，x＝X_b,；,；c∈R^N為對第c個通道、第b個batch的filter響應(yīng)的向量，x_i為x集合中的第i個元素，υ²為x的均方歸一化，為所述均值，ε為正常數(shù)，N＝W×H。

6.根據(jù)權(quán)利要求5所述的圖像分類方法，其特征在于，所述對所述均值進(jìn)行線性變換得到目標(biāo)數(shù)據(jù)的過程包括：

通過第三關(guān)系式對所述均值進(jìn)行線性變換得到目標(biāo)數(shù)據(jù)，所述第三關(guān)系式為

其中，γ為可訓(xùn)練的縮放因子，β為可訓(xùn)練的偏移量。

7.一種圖像分類裝置，其特征在于，包括：

構(gòu)造模塊，用于根據(jù)ELU負(fù)半軸對應(yīng)的函數(shù)和TLU函數(shù)構(gòu)造TELU激活函數(shù)；

卷積計算模塊，用于對輸入圖像數(shù)據(jù)進(jìn)行卷積計算得到特征數(shù)據(jù)；

歸一化處理模塊，用于根據(jù)所述特征數(shù)據(jù)獲取神經(jīng)網(wǎng)絡(luò)當(dāng)前層中第c個通道、第b個batch對應(yīng)的均方歸一化處理后的目標(biāo)數(shù)據(jù)，其中，b、c均為正整數(shù)；

激活模塊，用于通過所述TELU激活函數(shù)得到所述目標(biāo)數(shù)據(jù)對應(yīng)的特征圖；

分類模塊，用于根據(jù)所有所述特征圖得到圖像分類結(jié)果。

8.根據(jù)權(quán)利要求7所述的圖像分類裝置，其特征在于，所述TELU激活函數(shù)為：

或，

其中，yi為所述輸入圖像數(shù)據(jù)，τ為學(xué)習(xí)閾值，α為可調(diào)參數(shù)。

9.根據(jù)權(quán)利要求7所述的圖像分類裝置，其特征在于，所述特征數(shù)據(jù)的張量表示為[B，W，H，C]，B為mini batch size，C為卷積中filter的數(shù)量，W為所述特征數(shù)據(jù)的寬，H為所述特征數(shù)據(jù)的高。