[发明专利]基于神经网络的分类方法及其分类装置

权利要求书

1.一种基于神经网络的分类装置，其特征在于，所述分类装置包括：

储存媒体，记录多个模块；以及

处理器，耦接所述储存媒体，所述处理器存取及执行所述储存媒体的所述多个模块，所述多个模块包括：

神经网络，用于对输入的图像数据进行处理，输出所述图像数据的特征图；

裁切层，用于裁切输入的所述特征图，输出所述特征图的第一裁切部位及第二裁切部位；

第一分类器，用于对所述第一裁切部位进行加权处理，得到针对所述第一裁切部位的第一概率向量；所述第一概率向量中的每个元素表示所述图像数据属于多个预定类别中一个类别的概率；

第二分类器，用于对所述第二裁切部位进行加权处理，得到针对所述第二裁切部位的第二概率向量，其中所述第一分类器中加权处理所采用的权重被分享给所述第二分类器；所述第二概率向量中的每个元素表示所述图像数据属于多个预定类别中一个类别的概率；以及

融合层，用于对所述第一概率向量及所述第二概率向量进行概率融合，得到用以决定所述图像数据的分类的估测概率向量，

其中，所述估测概率向量中的每个元素表示所述图像数据属于多个预定类别中一个类别的概率；

其中，若所述估测概率向量的所有元素均小于分类阈值，则所述裁切层裁切所述特征图还输出所述特征图的第三裁切部位，并且所述分类装置还包括：

第三分类器，用于对所述第三裁切部位进行加权处理，得到针对所述第三裁切部位的第三概率向量，

其中，所述第一分类器中加权处理所采用的权重被分享给所述第三分类器；所述第三概率向量中的每个元素表示所述图像数据属于多个预定类别中一个类别的分数；以及

所述融合层还用于对所述第一概率向量、所述第二概率向量及所述第三概率向量进行概率融合，得到用以决定所述图像数据的所述分类的第二估测概率向量，

其中，所述第二估测概率向量中的每个元素表示所述图像数据属于多个预定类别中一个类别的概率。

2.根据权利要求1所述的分类装置，其特征在于，其中所述神经网络为卷积神经网络。

3.根据权利要求2所述的分类装置，其特征在于，其中所述神经网络包括X个由层形成的第一群组，并且所述分类装置还包括：

第二神经网络，包括Y个由层形成的第一群组以及额外(X-Y)个由层形成的第二群组，其中所述Y个由层形成的第一群组包含于所述X个由层形成的第一群组，X＞Y≥1并且X及Y是整数。

4.根据权利要求3所述的分类装置，其特征在于，其中与所述X个由层形成的第一群组对应的所述Y个由层形成的第一群组是所述X个由层形成的第一群组中的第一个群组至所述X个由层形成的第一群组中的第Y个群组。

5.根据权利要求3所述的分类装置，其特征在于，其中若所述估测概率向量的所有元素均小于分类阈值，则所述第二神经网络对所述图像数据进行处理，得到所述图像数据的第二特征图，并且所述分类装置还包括：

第二裁切层，用于裁切输入的所述第二特征图，输出所述第二特征图的多个裁切部位；

多个分类器，用于一一对应的对所述多个裁切部位进行加权处理，得到分别针对所述多个裁切部位的多个概率向量，多个概率向量中每个概率向量包括的每个元素表示所述图像数据针对所述多个预定类别中一个类别的概率；

第二融合层，用于对所述多个概率向量进行概率融合，得到第二估测概率向量，其中，所述第二估测概率向量中的每个元素表示所述图像数据属于多个预定类别中一个类别的概率；以及

最终融合层，所述最终融合层用于对所述估测概率向量及所述第二估测概率向量进行概率融合，得到用以决定所述图像数据的所述分类的最终估测概率向量，

其中，所述最终估测概率向量中的每个元素表示所述图像数据属于多个预定类别中一个类别的概率。

6.根据权利要求1所述的分类装置，其特征在于，其中所述第一分类器中加权处理所采用的权重被分享给所述第二分类器，包括：

应用与所述第一分类器中加权处理所采用的所述权重相同的权重于所述第二分类器。