[发明专利]一种图像识别方法、设备、电子设备和存储介质

权利要求书

1.一种图像识别方法，其特征在于，包括：

确定单元结构中两个节点间的候选操作集合；

确定所述候选操作集合中的候选操作所对应的第一参数，根据所述第一参数进行第二参数更新训练生成最终参数，确定所述最终参数所对应的最优候选操作，将所述两个节点通过所述最优候选操作进行连接；

将连接所述节点后的所述单元结构置入预设的结构框架，并进行图像识别训练，生成图像识别模型；

当用户进行图像识别时，获取用户输入的图像，将所述图像输入所述图像识别模型，输出识别结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一参数进行第二参数更新训练生成最终参数，包括：当所述第一参数为网络参数时，所述第二参数为结构参数；具体为：

获取所述候选操作所对应的结构参数，对所述结构参数进行逻辑回归生成出现概率，根据所述出现概率无放回的在所述候选操作集合中选取两个所述候选操作生成选出操作；

生成所述选出操作对应的布尔门值，获取所述单元结构的输入值，使所述输入值分别通过一种所述选出操作生成输出值，获取所述输出值与对应的所述布尔门值的乘积，并与另一所述输出值与对应的所述布尔门值的乘积进行求和作为最终输出，通过所述最终输出确定损失函数，通过如下式所示的反向传播梯度公式进行结构参数更新训练生成所述最终参数；

其中，L为损失函数，α_i为第i个结构参数，p为选出操作的出现概率，g为布尔门值。

3.根据权利要求2所述的方法，其特征在于，所述通过反向传播梯度公式进行结构参数更新训练之后，对更新后的结构参数添加修正因子，所述修正因子具体为：

其中，r为修正因子，α为结构参数，α′为更新后结构参数。

4.根据权利要求2所述的方法，其特征在于，所述通过所述最终输出确定损失函数，包括：

在所述损失函数中添加如下式所示的限制参数；

其中，E[Cost]为限制参数，N表示搜索结构总共有N个可选候选操作集合，k表示每层有k个可选操作，Cost_ik表示第i层第k个可选操作的运算代价，softmax(α_i)为第i个结构参数α的出现概率。

5.根据权利要求1所述的方法，其特征在于，所述根据所述第一参数进行第二参数更新训练生成最终参数，包括：当所述第一参数为结构参数时，所述第二参数为网络参数；具体为：

对所述结构参数进行逻辑回归生成出现概率，根据所述出现概率无放回的在所述候选操作集合中选取两个所述候选操作生成选出操作；

获取所述单元结构的输入值，使所述输入值分别通过一种所述选出操作生成输出值，对两个所述输出值进行求和得到最终输出，对所述最终输出进行反向传播进行网络参数更新训练生成所述最终参数。

6.根据权利要求2或5所述的方法，其特征在于，所述根据所述第一参数进行第二参数更新训练生成最终参数，包括：

在训练过程中，对所述候选操作集中所述出现概率最大的第一参数进行随机失活操作；所述随机失活操作的概率具体为：

其中，P为随机失活操作的概率，T为训练过程总共进行的轮数，k为当前运行的轮数。

7.根据权利要求2或5所述的方法，其特征在于，所述根据所述第一参数进行第二参数更新训练生成最终参数，包括：

当第二参数更新训练进行至设定轮数时，在所述候选操作集合中删除所述结构参数最低的所述候选操作。