[发明专利]一种神经网络的训练方法和设备

权利要求书

1.一种方法，包括：

构建第一初始深度神经网络；

利用第一训练数据对所述第一初始深度神经网络进行训练，以形成第一目标深度神经网络；

对于任意一组可输入对象的具体值，将该组可输入对象的具体值输入所述第一目标深度神经网络的输入节点，则所述第一目标深度神经网络的输出节点将输出与该组可输入对象的具体值相对应的一组可输出对象的具体值；

其中，所述第一初始深度神经网络的输出层上包括第一输出节点和辅助节点，其中，每一所述第一输出节点分别对应所述第一初始深度神经网络的每一可输出对象，所述第一输出节点的数量等于所述第一初始深度神经网络的可输出对象的数量，所述辅助节点不对应所述第一初始深度网络的任何可输出对象；

所述第一初始深度神经网络的可输入对象是从图像信息中提取的特征属性信息；

所述第一初始深度神经网络的可输出对象是用于划分图像信息所属类别的图像标签。

2.根据权利要求1所述的方法，还包括：

对所述第一目标深度神经网络上的节点进行改造，以形成第二初始深度神经网络；

利用第二训练数据对所述第二初始深度神经网络进行训练，以形成第二目标深度神经网络；

其中，所述第二初始深度神经网络的输出层上包括第二输出节点，每一所述第二输出节点分别对应所述第二初始深度神经网络的每一可输出对象，所述第二输出节点的数量等于所述第二初始深度神经网络的可输出对象的数量；

所述第一初始深度神经网络的可输出对象为待识别对象的第一类别，所述第二初始深度神经网络的可输出对象为待识别对象的第二类别，所述第二类别为所述第一类别的细化分类。

3.根据权利要求2所述的方法，其中，所述对所述第一目标深度神经网络上的节点进行改造，以形成第二初始深度神经网络，包括：

在所述第一目标深度神经网络中，将输出层上的每一第一输出节点扩展成至少一个所述第二输出节点并删除输出层上的所述辅助节点，以形成所述第二初始深度神经网络；

其中，对于任意一个所述第一输出节点，该第一输出节点扩展出的第二输出节点对应的第二类别为该第一输出节点对应的第一类别的细化类别。

4.根据权利要求2所述的方法，所述对所述第一目标深度神经网络上的节点进行改造，以形成第二初始深度神经网络，包括：

在所述第一目标深度神经网络中，将输出层上的每一所述第一输出节点扩展成至少一个所述第二输出节点并增加输出层之前一层上的节点数量，以形成所述第二初始深度神经网络；

其中，对于任意一个所述第一输出节点，该第一输出节点扩展出的第二输出节点对应的第二类别为该第一输出节点对应的第一类别的细化类别。

5.根据权利要求1所述的方法，其中，利用第一训练数据对所述第一初始深度神经网络进行训练，以形成第一目标深度神经网络，包括：

将所述第一训练数据的输入值输入所述第一初始深度神经网络的输入层，在所述第一初始深度神经网络中对所述输入值进行正向处理，以在所述第一初始深度神经网络的输出层得到正向处理输出值；

计算所述输入值在第一训练数据中对应的输出值与所述正向处理输出值之间的误差值；

以所述误差值输入所述第一初始深度神经网络的输出层，在所述第一初始深度神经网络中对所述误差值进行反向传播，以修正所述第一初始深度神经网络中的参数，从而形成所述第一目标深度神经网络。

6.根据权利要求2所述的方法，应用于图像识别，

所述待识别对象为图像信息，所述第二类别为用于对图像进行分类的图像标签，所述第一类别为用于对所述图像标签进行分类的类别。