[发明专利]用于图像分类任务的神经网络批分组响应的BGRN归一化方法

摘要

本发明涉及深度学习，具体涉及用于图像分类任务的神经网络批分组响应的BGRN归一化方法，对mini‑batch批次、通道间和通道内三个维度构成的数据立方体进行归一化处理，使用可训练的神经网络模型参数对归一化数据进行线性变换；基于网络层样本数和通道尺寸自适应选择不同通道叠加区间的邻近参数τ，通过邻近参数τ控制通道区间范围；在邻近通道叠加响应增强处理和小样本多通道并行计算策略，对邻近通道叠加数据分布计算均值和方差；利用邻近通道叠加数据分布的均值和方差进行训练和推理，神经网络模型参数通过梯度下降法学习；本发明提供的技术方案能够有效克服现有技术所存在的神经网络收敛缓慢、对mini‑batch批次大小依赖程度较高的缺陷。