[发明专利]对象分类方法、装置、设备及存储介质

权利要求书

1.一种对象分类方法，其特征在于，包括：

获取待分类对象；

基于对象分类网络对所述待分类对象进行分类，得到所述待分类对象的分类结果，所述对象分类网络中的至少一个目标隐藏层的神经元基于抑制修正线性单元进行激活；所述抑制修正线性单元包括线性抑制函数和修正线性类函数，所述修正线性类函数使用线性抑制函数的输出作为输入；所述线性抑制函数由输入与对应的线性抑制系数相乘的乘积组成；所述修正线性类函数为正向修正线性函数或者负向修正线性函数；在所述正向修正线性函数的输入值小于0时，所述正向修正线性函数的输出值为0，在所述正向修正线性函数的输入值大于或等于0时，所述正向修正线性函数的输出值与所述正向修正线性函数的输入值相等；在所述负向修正线性函数的输入值小于或等于0时，所述负向修正线性函数的输出值与所述负向修正线性函数的输入值相等，在所述负向修正线性函数的输入值大于0时，所述负向修正线性函数的输出值为0；所述线性抑制系数为小于1的正数值，且目标神经元的所述线性抑制系数的值与所述目标神经元所属目标隐藏层其他神经元的对应线性抑制系数的值相同。

2.根据权利要求1所述的方法，其特征在于，所述线性抑制系数根据输入神经网络层的单特征映射的第一特征数据数量、所述目标神经元所属目标隐藏层的单特征映射的第二特征数据数量、归一化特征映射数量、所述目标神经元对于输入神经网络层特征映射的卷积核尺寸和层扩展参数确定，所述归一化特征映射数量包括所述目标神经元所属的目标隐藏层的第一特征映射数量或所述目标神经元的输入神经网络层的第二特征映射数量，所述层扩展参数为不小于1的值，且所述目标神经元的所述层扩展参数的值与所述目标神经元所属目标隐藏层的其他神经元层扩展参数的值相同。

3.根据权利要求2所述的方法，其特征在于，所述线性抑制系数为多特征映射归一化参数、卷积归一化参数和层扩展参数的乘积；

其中，所述多特征映射归一化参数为所述归一化特征映射数量的倒数；

所述卷积归一化参数为所述卷积核尺寸和所述第二特征数据数量的乘积除以所述第一特征数据数量的商的倒数。

4.根据权利要求2所述的方法，其特征在于，所述线性抑制系数还根据所述目标神经元的输入神经网络层数量确定；

其中，所述线性抑制系数为多特征映射归一化参数、卷积归一化参数、多输入神经网络层归一化参数和层扩展参数的乘积；

其中，多输入神经网络层归一化参数为所述输入神经网络层数量的倒数；

所述多特征映射归一化参数为所述归一化特征映射数量的倒数；

所述卷积归一化参数为所述卷积核尺寸和所述第二特征数据数量的乘积除以所述第一特征数据数量的商的倒数。

5.根据权利要求1所述的方法，其特征在于，所述对象分类网络包括隐藏层子网络和输出层子网络；

其中，所述基于对象分类网络对所述待分类对象进行分类，得到所述待分类对象的分类结果，包括：

基于所述隐藏层子网络对所述待分类对象进行特征提取，得到所述待分类对象对应的特征值；

基于所述输出层子网络对所述特征值进行类别特征提取，得到所述待分类对象对应的类别特征数据，所述类别特征数据用于表征所述待分类对象的分类结果。