[发明专利]卷积神经网络、基于卷积神经网络的数据处理方法和装置

权利要求书

1.一种基于卷积神经网络的数据处理方法，其特征在于，所述卷积神经网络包括自定义层，所述自定义层包括根据数据处理需求设置的至少一种数据处理方式，所述数据处理方式对应的参数不会随所述卷积神经网络的反向传播而改变；所述方法包括：

将原始数据输入至所述卷积神经网络，所述原始数据包括图像数据、音频数据、自然语言数据中的至少一种；

通过所述卷积神经网络的自定义层对所述原始数据进行处理，得到数据处理结果；

输出所述数据处理结果。

2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络包括输入层、输出层和至少一个自定义层，所述自定义层设置在所述卷积神经网络中输入层、输出层之间的任意位置。

3.根据权利要求2所述的方法，其特征在于，所述卷积神经网络还包括至少一个中间层，所述输入层的输出端与所述中间层的输入端连接，所述中间层的输出端与所述输出层的输入端连接，所述自定义层设置在所述卷积神经网络中输入层、中间层、输出层之间的任意位置；

所述通过所述卷积神经网络的自定义层对所述原始数据进行处理，得到数据处理结果，包括：

通过所述卷积神经网络的中间层、自定义层对所述原始数据进行处理，得到数据处理结果。

4.根据权利要求3所述的方法，其特征在于，所述自定义层设置在所述卷积神经网络中输入层、中间层、输出层之间的任意位置，至少包括以下任意一种方式：

所述自定义层设置在所述卷积神经网络的输入层与中间层之间；

所述自定义层设置在所述卷积神经网络的中间层与中间层之间；

所述自定义层设置在所述卷积神经网络的中间层与输出层之间。

5.根据权利要求3所述的方法，其特征在于，所述自定义层串联在所述卷积神经网络中输入层、中间层及输出层之间的任意位置。

6.根据权利要求3中所述的方法，其特征在于，所述自定义层与所述中间层并联得到组合层，所述组合层串联在所述卷积神经网络中输入层、中间层及输出层之间的任意位置。

7.根据权利要求3所述的方法，其特征在于，所述中间层包括卷积层、激活层、池化层、全连接层中的至少一个。

8.根据权利要求3所述的方法，其特征在于，所述中间层由所述卷积层、激活层、池化层、全连接层中的至少一个进行串联或并联所构成。

9.根据权利要求1至8中任一项所述的方法，其特征在于，所述数据处理方式包括滤波处理、识别分类处理、编解码处理、映射处理中的至少一种方式。

10.根据权利要求1至8中任一项所述的方法，其特征在于，所述自定义层由滤波处理、识别分类处理、编解码处理、映射处理中的至少一种方式对应的操作层进行串联或并联所构成。

11.根据权利要求9所述的方法，其特征在于，所述滤波处理用于通过滤波器对所输入的数据进行滤波处理，所述滤波器包括固定系数滤波器、自适应系数滤波器、固定系数和自适应系数融合的联合滤波器中的至少一种。

12.根据权利要求3所述的方法，其特征在于，所述自定义层包括第一滤波单元、分类单元和第二滤波单元；

所述输入层的输出端分别与所述第一滤波单元的输入端和所述分类单元的输入端连接，所述第一滤波单元的输出端与所述中间层连接，所述分类单元的输出端与所述第二滤波单元的输入端连接，所述第二滤波单元的输出端与所述中间层连接。

13.根据权利要求12所述的方法，其特征在于，所述第一滤波单元的输出端与所述第二滤波单元的输出端与所述中间层的同一节点连接；或者，

所述第一滤波单元的输出端与所述第二滤波单元的输出端分别与所述中间层的不同节点连接。