[发明专利]一种基于神经网络的数据预测方法、装置及神经网络系统

权利要求书

1.一种用于图像分类的数据预测系统，包括神经网络系统，其特征在于，所述神经网络系统包括主干网络、至少两个分支网络以及投票单元，其中，所述至少两个分支网络的深度相同，且各个分支网络具有独立的模型参数；

所述主干网络用于对目标图像进行特征提取，获得特征集合，并将所述特征集合输出至所述至少两个分支网络；

所述分支网络用于根据输入的特征进行任务处理，输出对应的预测结果；

所述投票单元用于融合所述至少两个分支网络输出的预测结果，确定最终输出结果；

其中，所述神经网络系统还包括分类神经网络，所述预测结果包括分类标签和所述分类标签对应的概率；

所述投票单元还用于：

分别统计所述分类标签出现的次数；

确定出现次数最多的分类标签作为目标标签，并计算所述目标标签对应的概率的平均值，作为目标概率；

将所述目标标签以及所述目标概率组织成最终输出结果。

2.根据权利要求1所述的系统，其特征在于，所述投票单元还用于：

若所述目标标签包括至少两种，则从所述至少两种目标标签对应的目标概率中选取最大的目标概率，对应的目标标签作为最终的目标标签。

3.根据权利要求1或2所述的系统，其特征在于，所述至少两个分支网络的起始层符合预设条件，以使得所述分支网络位于整个神经网络的较低层。

4.根据权利要求1或2所述的系统，其特征在于，所述分支网络具有对应的损失函数，则整个神经网络的损失函数为所述至少两个分支网络的损失函数与对应的预设权重的加权求和后得到的结果。

5.一种用于图像分类的数据预测方法，包括神经网络，其特征在于，所述神经网络包括主干网络以及至少两个分支网络，其中，所述至少两个分支网络的深度相同，且各个分支网络具有独立的模型参数；

所述方法包括：

采用所述主干网络对目标图像进行特征提取，获得特征集合；

将所述特征集合分发至所述至少两个分支网络；

获取所述至少两个分支网络根据输入的特征输出的预测结果；

融合所述至少两个分支网络输出的预测结果，确定所述神经网络的最终输出结果；

其中，所述神经网络还包括分类神经网络，所述预测结果包括分类标签和所述分类标签对应的概率；

所述融合所述至少两个分支网络输出的预测结果，确定所述神经网络的最终输出结果，包括：

分别统计所述分类标签出现的次数；

确定出现次数最多的分类标签作为目标标签，并计算所述目标标签对应的概率的平均值，作为目标概率；

将所述目标标签以及所述目标概率组织成最终输出结果。

6.根据权利要求5所述的方法，其特征在于，所述神经网络包括分类神经网络，所述预测结果包括分类标签和所述分类标签对应的概率；

所述融合所述至少两个分支网络输出的预测结果，确定所述神经网络的最终输出结果，还包括：

若所述目标标签包括至少两种，则从所述至少两种目标标签对应的目标概率中选取最大的目标概率，对应的目标标签作为最终的目标标签。

7.根据权利要求5所述的方法，其特征在于，所述将所述特征集合分发至所述至少两个分支网络，包括：

将所述特征集合平均分发至所述至少两个分支网络的输入层。

8.根据权利要求5所述的方法，其特征在于，所述至少两个分支网络的起始层符合预设条件，以使得所述分支网络位于所述神经网络的较低层。

9.根据权利要求5所述的方法，其特征在于，所述分支网络具有对应的损失函数，则所述神经网络的损失函数为所述至少两个分支网络的损失函数与对应的预设权重的加权求和后得到的结果。