[发明专利]对象分类方法、装置、设备及存储介质

说明书

本公开涉及一种对象分类方法、装置、设备及存储介质。该方法包括：获取待分类对象；基于对象分类网络对待分类对象进行分类，得到待分类对象的分类结果，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；抑制修正线性单元包括线性抑制函数和修正线性类函数，修正线性类函数使用线性抑制函数的输出作为输入；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；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；线性抑制系数为小于1的正数值，且目标神经元的线性抑制系数的值与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。由此，引入抑制修正线性单元的对象分类网络提高了分类准确性。

技术领域

本公开涉及计算机技术领域，尤其涉及一种对象分类方法、装置、设备及存储介质。

背景技术

随着计算机技术的不断发展，深度学习技术也被越来越广泛的应用到图像处理、图像识别、物体分类以及数据处理等领域。例如，通常使用人工神经网络(ArtificialNeural Network，ANN)对图像、音频等进行分类。人工神经网络由大量的神经元相互连接构成。每个神经元的输出通过一种特定的输出函数进行处理，该特定的输出函数为激活函数。

现有技术中，激活函数的作用是强化人工神经网络的学习能力，以使人工神经网络适应多样化的数据处理场景。然而，对引入激活函数的人工神经网络进行训练时，人工神经网络的浅层神经元在参数训练过程中容易出现参数梯度消失现象，导致浅层网络难以充分训练；并且，人工神经网络由于层间流量干扰，导致参数训练出现内部协变量漂移问题，影响人工神经网络的参数学习效率和精度。因此，基于上述人工神经网络做对象分类时，分类准确性较差，不能满足用户的分类需求。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种对象分类方法、装置、设备及存储介质。

第一方面，本公开提供了一种对象分类方法，该方法包括：

获取待分类对象；

基于对象分类网络对待分类对象进行分类，得到待分类对象的分类结果，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；抑制修正线性单元包括线性抑制函数和修正线性类函数，修正线性类函数使用线性抑制函数的输出作为输入；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；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；在正向修正线性函数的输入值小于0时，正向修正线性函数的输出值为0，在正向修正线性函数的输入值大于或等于0时，正向修正线性函数的输出值与正向修正线性函数的输入值相等；在负向修正线性函数的输入值小于或等于0时，负向修正线性函数的输出值与负向修正线性函数的输入值相等，在负向修正线性函数的输入值大于0时，负向修正线性函数的输出值为0；线性抑制系数为小于1的正数值，且目标神经元的线性抑制系数的值与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。

第二方面，本公开提供了一种对象分类装置，该装置包括：

对象获取模块，用于获取待分类对象；

对象分类模块，用于基于对象分类网络对待分类对象进行分类，得到待分类对象的分类结果，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；抑制修正线性单元包括线性抑制函数和修正线性类函数，修正线性类函数使用线性抑制函数的输出作为输入；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；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；在正向修正线性函数的输入值小于0时，正向修正线性函数的输出值为0，在正向修正线性函数的输入值大于或等于0时，正向修正线性函数的输出值与正向修正线性函数的输入值相等；在负向修正线性函数的输入值小于或等于0时，负向修正线性函数的输出值与负向修正线性函数的输入值相等，在负向修正线性函数的输入值大于0时，负向修正线性函数的输出值为0；线性抑制系数为小于1的正数值，且目标神经元的线性抑制系数的值与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。