[发明专利]多媒体数据的识别方法、装置、设备及计算机存储介质

说明书

本申请公开了一种多媒体数据的识别方法、装置、设备及计算机存储介质，属于数据处理技术领域。所述方法包括：获取第二神经网络模型；获取待识别的多媒体数据；通过第二神经网络模型对待识别的多媒体数据进行识别并获取识别结果。由于该第二神经网络模型中不包括目标批标准化层，而是由根据目标批标准化层的预处理参数确定的批标准化处理公式来实现目标批标准化层的相同的功能，如此可以简化第二神经网络模型的结构，并减少第二神经网络模型中批标准化处理的运算量，加快神经网络模型的处理速度。解决了相关技术中多媒体数据的识别方法的运算量较大，识别速度较慢的问题，达到了减少多媒体数据的识别方法的运算量，加快识别速度的效果。

技术领域

本申请涉及数据处理技术领域，特别涉及一种多媒体数据的识别方法、装置、设备及计算机存储介质。

背景技术

多媒体数据识别是一种对于图像数据和音频数据等各种多媒体数据的识别的技术，通过对图像数据和音频数据的识别，可以实现对图像数据和音频数据的分类、处理和分析等各种技术效果。

相关技术中一种多媒体数据的识别方法中，通过神经网络模型来对待识别的多媒体数据进行识别，该神经网络模型包括至少一个隐层，批标准化（Batch Normalization，BN）层接在神经网络模型的隐层后，隐层的输出作为BN层的输入，BN层的输出作为下一层的输入，从而实现对神经网络模型的优化。

但是，上述多媒体数据的识别方法中，神经网络模型的结构较为复杂，且运算量较大，进而使得多媒体数据的识别方法的运算量较大，识别速度较慢。

发明内容

本申请实施例提供了一种多媒体数据的识别方法、装置、设备及计算机存储介质。所述技术方案包括下列内容。

根据本申请的一方面，提供了一种多媒体数据的识别方法，所述多媒体数据的识别方法包括以下步骤。

获取第二神经网络模型，所述第二神经网络模型由去除第一神经网络模型的目标批标准化层后，将批标准化处理公式添加至所述第一神经网络模型的目标隐层中后得到，所述第一神经网络模型包括至少一个隐层，所述至少一个隐层中的所述目标隐层与所述目标批标准化层连接，所述批标准化处理公式由所述目标批标准化层的预处理参数得到，所述批标准化处理公式用于将所述目标隐层的原始输出量处理为处理输出量，并将所述处理输出量输入所述目标隐层的下一层。

获取待识别的多媒体数据。

通过所述第二神经网络模型对所述待识别的多媒体数据进行识别。

获取所述第二神经网络模型的识别结果。

可选地，所述获取第二神经网络模型，包括以下步骤。

获取所述第一神经网络模型。

获取所述目标批标准化层的预处理参数，所述目标批标准化层用于根据所述预处理参数对所述目标隐层的原始输出量进行处理，得到处理输出量。

根据所述预处理参数得到所述目标批标准化层的批标准化处理公式。

去除所述目标批标准化层。

将所述批标准化处理公式添加至所述目标隐层中，得到所述第二神经网络模型。

可选地，所述批标准化处理公式，包括：

；