[发明专利]生成卷积神经网络的方法和装置、图像识别方法和装置

权利要求书

1.一种图像识别方法，所述方法包括：获取待识别图像；

将所述待识别图像输入优化卷积神经网络，得到由所述优化卷积神经网络输出的对所述待识别图像中目标的分类结果；

其中，所述优化卷积神经网络基于如下步骤得到：

获取初始卷积神经网络以及所述初始卷积神经网络的原始激活函数；

响应于检测到所述原始激活函数为预设的函数，基于所述原始激活函数，得到优化激活函数，所述优化激活函数通过拼接的负值的预设的函数将所述初始卷积神经网络的卷积层的输出的通道特征进行四倍或四倍以上扩充；

基于所述优化激活函数，对所述初始卷积神经网络进行改进，得到优化卷积神经网络。

2.根据权利要求1所述的方法，其中，所述基于所述优化激活函数，对所述初始卷积神经网络进行改进，得到优化卷积神经网络，包括：

将所述初始卷积神经网络的卷积核的个数减少至原卷积核个数的1/4倍；

采用所述优化激活函数替换所述原始激活函数，得到优化卷积神经网络。

3.根据权利要求1所述的方法，其中，所述基于所述优化激活函数，对所述初始卷积神经网络进行改进，得到优化卷积神经网络，包括：

采用所述优化激活函数替换所述原始激活函数，得到优化卷积神经网络。

4.根据权利要求1-3之一所述的方法，其中，所述获取初始卷积神经网络以及所述初始卷积神经网络的原始激活函数，包括：

获取初始卷积神经网络的源码；

解析所述源码，得到所述初始卷积神经网络的原始激活函数对应的代码；

基于所述原始激活函数对应的代码，确定原始激活函数。

5.根据权利要求1-3之一所述的方法，其中，所述预设的函数为Relu函数，所述响应于检测到所述原始激活函数为预设的函数，基于所述原始激活函数，得到优化激活函数，包括：

对所述Relu函数的输入值取负，得到第一函数；

对所述Relu函数的输出值取负，得到第二函数；

对所述第一函数的输出值取负，得到第三函数；

并列连接所述Relu函数、所述第一函数、所述第二函数、所述第三函数，得到优化激活函数。

6.根据权利要求1-3之一所述的方法，其中，所述预设的函数为Crelu函数，所述响应于检测到所述原始激活函数为预设的函数，基于所述原始激活函数，得到优化激活函数，包括：

对所述Crelu函数的输出值取负，得到取负函数；

并列连接所述Crelu函数、所述取负函数，得到优化激活函数。

7.一种图像识别装置，所述装置被配置成：获取待识别图像；将所述待识别图像输入优化卷积神经网络，得到由所述优化卷积神经网络输出的对所述待识别图像中目标的分类结果；其中，所述优化卷积神经网络基于以下单元得到：

获取单元，被配置成获取初始卷积神经网络以及所述初始卷积神经网络的原始激活函数；

得到单元，被配置成响应于检测到所述原始激活函数为预设的函数，基于所述原始激活函数，得到优化激活函数，所述优化激活函数通过拼接的负值的预设的函数将所述初始卷积神经网络的卷积层的输出的通道特征进行四倍或四倍以上扩充；

改进单元，被配置成基于所述优化激活函数，对所述初始卷积神经网络进行改进，得到优化卷积神经网络。

8.根据权利要求7所述的装置，其中，所述改进单元包括：

缩减模块，被配置成将所述初始卷积神经网络的卷积核的个数减少至原卷积核个数的1/4倍；

替换模块，被配置成采用所述优化激活函数替换所述原始激活函数，得到优化卷积神经网络。

9.根据权利要求7所述的装置，其中，所述改进单元进一步被配置成采用所述优化激活函数替换所述原始激活函数，得到优化卷积神经网络。