[发明专利]神经网络模型建立方法、装置及计算机可读存储介质

权利要求书

1.一种神经网络模型建立方法，其特征在于，包括：

在数据输入层的下一层设置特征提取层，所述特征提取层用于对输入的待识别图像进行特征提取；

将一个1*h的卷积核与一个h*1的卷积核相结合作为膨胀层的核心部分，其中，h为正奇数，将所述膨胀层与压榨层串联作为Fire块；

建立各相邻Fire块之间的关联关系，获得调整后的待训练模型；

通过预设的待训练数据对所述待训练模型进行训练，获得训练后的神经网络模型。

2.根据权利要求1所述的方法，其特征在于，所述在数据输入层的下一层设置特征提取层，包括：

在数据输入层的下一层设置小波框架，将所述小波框架作为所述特征提取层。

3.根据权利要求1所述的方法，其特征在于，所述将一个1*h的卷积核与一个h*1的卷积核相结合作为膨胀层的核心部分，包括：

分别为所述1*h的卷积核以及h*1的卷积核设置延拓参数和步长参数，通过设置延拓参数和步长参数后的一个1*h的卷积核与一个h*1的卷积核相结合作为膨胀层的核心部分。

4.根据权利要求1所述的方法，其特征在于，所建立各相邻Fire块之间的关联关系，包括：

利用残差原理建立相邻Fire块之间的关联关系。

5.根据权利要求1所述的方法，其特征在于，所述通过预设的待训练数据对所述待训练模型进行训练，获得训练后的神经网络模型，包括：

将所述待训练数据随机分为训练集与测试集；

通过预设的数据扩充方式对所述训练集与测试集中的数据量进行扩充；

分别对所述训练集与测试集中的数据进行标注；

将所述训练集与测试集中的数据转换为统一尺度；

通过所述训练集中的数据对所述待训练模型进行训练，通过所述测试集中的数据对所述待训练模型进行测试，获得训练后的神经网络模型。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述通过预设的待训练数据对所述待训练模型进行训练，获得训练后的神经网络模型之后，还包括：

接收待识别图像，通过所述训练后的神经网络模型对所述待识别图像进行识别，获得识别结果。

7.一种神经网络模型建立装置，其特征在于，包括：

特征提取层建立模块，用于在数据输入层的下一层设置特征提取层，所述特征提取层用于对输入的待识别图像进行特征提取；

膨胀层建立模块，用于将一个1*h的卷积核与一个h*1的卷积核相结合作为膨胀层的核心部分，其中，h为正奇数，将所述膨胀层与压榨层串联作为Fire块；

关联关系建立模块，用于建立各相邻Fire块之间的关联关系，获得调整后的待训练模型；

训练模块，用于通过预设的待训练数据对所述待训练模型进行训练，获得训练后的神经网络模型。

8.根据权利要求7所述的装置，其特征在于，所述特征提取层建立模块包括：

小波框架设置单元，用于在数据输入层的下一层设置小波框架，将所述小波框架作为所述特征提取层。

9.一种神经网络模型建立装置，其特征在于，包括：存储器，处理器；

存储器；用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为由所述处理器执行如权利要求1-6任一项所述的神经网络模型建立方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-6任一项所述的神经网络模型建立方法。