[发明专利]信息处理方法、信息处理装置、计算机可读存储介质

权利要求书

1.一种信息处理方法，包括：

从两个神经网络的模型的每一个模型中，读取层结构和层参数；以及

对于所述两个神经网络的模型，从输入层开始顺序地，通过使用宽度优先搜索或深度优先搜索，比较在对应的隐藏层中被构造成图状形式的层，基于对应的层之间的相似度来确定所述两个神经网络的模型之间的匹配度。

2.根据权利要求1所述的信息处理方法，其中，所述确定所述两个神经网络的模型之间的匹配度包括：如果待比较的层的类型不同，则将相似度设置为0，不执行从所述层到后续层中的比较。

3.根据权利要求1所述的信息处理方法，其中，

所述确定所述两个神经网络的模型之间的匹配度包括：当比较卷积层时，

估算与所述卷积层的每个权重滤波器相关的真实滤波器尺寸，

将待比较的权重滤波器的参数修改为对应的经估算的真实滤波器尺寸，

通过将每个权重滤波器的参数作为一个向量，以向量集合表示所述卷积层，

将待比较的对应的卷积层的所述向量集合之间的相似度，设置为所述卷积层之间的相似度。

4.根据权利要求3所述的信息处理方法，其中，

所述估算真实滤波器尺寸包括：

对所述权重滤波器的每一个权重滤波器中各个通道的参数的绝对值进行累加，

估算包括累加值等于或大于预定阈值的所有位置的最小矩形，作为真实滤波器尺寸。

5.根据权利要求1所述的信息处理方法，其中，

所述确定所述两个神经网络的模型之间的匹配度包括：当比较全连接层时，

通过将所述全连接层的每一层的权重作为特征向量，使用向量集合，表示所述全连接层的每一层，

将待比较的对应的全连接层的所述向量集合之间的相似度，设置为所述全连接层之间的相似度。

6.根据权利要求3或5所述的信息处理方法，其中，

获取所述向量集合之间的相似度通过：

配置二分图，通过获取距离等于或小于预定阈值的特征向量对来配置所述二分图，以及

计算最大匹配数，通过求解所述二分图的最大匹配问题来计算最大匹配数。

7.根据权利要求3或5所述的信息处理方法，其中，

获取所述向量集合之间的相似度通过：

量化对应的特征向量，以及

获取量化直方图之间的相似度。

8.根据权利要求1所述的信息处理方法，其中，

所述确定所述两个神经网络的模型之间的匹配度包括：当比较激活层时，

如果所述激活层的类型相同并且参数之间的距离等于或小于预定阈值，设置所述距离为相似度，否则，相似度为0。

9.根据权利要求8所述的信息处理方法，其中，所述激活层的类型为线性连接，S型函数，硬S型函数，tanh函数(双曲正切函数)，softsign函数，softplus函数，或ReLU(校正线性单元)。

10.根据权利要求1所述的信息处理方法，其中，

所述确定所述两个神经网络的模型之间的匹配度包括：当比较池化层时，

如果所述池化层的类型相同并且参数之间的距离等于或小于预定阈值，设置所述距离为相似度，否则，相似度为0。

11.根据权利要求10所述的信息处理方法，其中，

所述池化层的类型为最大池化或平均池化，以及

所述参数为滤波器尺寸和应用滤波器的间隔。

12.一种信息处理装置，包括：

读取单元，用于从两个神经网络的模型的每一个模型中，读取层结构和层参数；以及

确定单元，用于，对于所述两个神经网络的模型，从输入层开始顺序地，通过使用宽度优先搜索或深度优先搜索，比较在对应的隐藏层中被构造成图状形式的层，基于对应的层之间的相似度来确定所述两个神经网络的模型之间的匹配度。

13.一种计算机可读存储介质，存储有程序，当所述程序由计算机的一个或多个处理器执行时，使得所述计算机执行以下操作：

从两个神经网络的模型的每一个模型中，读取层结构和层参数；以及

对于所述两个神经网络的模型，从输入层开始顺序地，通过使用宽度优先搜索或深度优先搜索，比较在对应的隐藏层中被构造成图状形式的层，基于对应的层之间的相似度来确定所述两个神经网络的模型之间的匹配度。