[发明专利]一种分类网络训练方法、分类方法、装置以及电子设备

权利要求书

1.一种分类网络训练方法，所述方法包括：

获取第一训练集；

基于所述第一训练集对初始分类网络进行训练，得到目标分类网络；

其中，所述初始分类网络包括第一残差网络，所述第一残差网络包括第一卷积层、N个中间特征提取层和第二卷积层，N为整数。

2.根据权利要求1所述的方法，所述第一卷积层的输出包括M个第一子卷积结果，第i个中间特征提取层的输入包括第i+1个第一子卷积结果和第i-1个中间特征提取层的一部分输出结果，i为整数，且2≤i≤N，第1个中间特征提取层的输入包括第2个第一子卷积结果，所述第二卷积层的输入包括所述第1个第一子卷积结果、N-1个中间特征提取层的另一部分输出结果和第N个中间特征提取层的输出结果，所述第一残差网络的输出为所述第二卷积层的输出与所述第一卷积层的输入之和。

3.根据权利要求1所述的方法，每个中间特征提取层包括依次连接的第三卷积层、归一化层和激活层。

4.根据权利要求1所述的方法，所述第一残差网络还包括加权层，所述加权层的输入包括所述第二卷积层的输出。

5.一种分类方法，所述方法包括：

获取待分类对象；

将所述待分类对象输入目标分类网络，通过所述目标分类网络输出所述待分类对象的分类结果；

其中，所述目标分类网络基于初始分类网络训练得到，所述初始分类网络包括第一残差网络，所述第一残差网络包括第一卷积层、N个中间特征提取层和第二卷积层，N为整数。

6.根据权利要求5所述的方法，所述第一卷积层的输出包括M个第一子卷积结果，第i个中间特征提取层的输入包括第i+1个第一子卷积结果和第i-1个中间特征提取层的一部分输出结果，i为整数，且2≤i≤N，第1个中间特征提取层的输入包括第2个第一子卷积结果，所述第二卷积层的输入包括所述第1个第一子卷积结果、N-1个中间特征提取层的另一部分输出结果和第N个中间特征提取层的输出结果，所述第一残差网络的输出为所述第二卷积层的输出与所述第一卷积层的输入之和。

7.根据权利要求5所述的方法，每个中间特征提取层包括依次连接的第三卷积层、归一化层和激活层。

8.根据权利要求5所述的方法，所述第一残差网络还包括加权层，所述加权层的输入包括所述第二卷积层的输出。

9.一种分类网络训练装置，所述装置包括：

第一获取模块，用于获取第一训练集；

训练模块，用于基于所述第一训练集对初始分类网络进行训练，得到目标分类网络；

其中，所述初始分类网络包括第一残差网络，所述第一残差网络包括第一卷积层、N个中间特征提取层和第二卷积层，N为整数。

10.根据权利要求9所述的装置，所述第一卷积层的输出包括M个第一子卷积结果，第i个中间特征提取层的输入包括第i+1个第一子卷积结果和第i-1个中间特征提取层的一部分输出结果，i为整数，且2≤i≤N，第1个中间特征提取层的输入包括第2个第一子卷积结果，所述第二卷积层的输入包括所述第1个第一子卷积结果、N-1个中间特征提取层的另一部分输出结果和第N个中间特征提取层的输出结果，所述第一残差网络的输出为所述第二卷积层的输出与所述第一卷积层的输入之和。

11.根据权利要求9所述的装置，每个中间特征提取层包括依次连接的第三卷积层、归一化层和激活层。

12.一种分类装置，所述装置包括：

第二获取模块，用于获取待分类对象；

分类模块，用于将所述待分类对象输入目标分类网络，通过所述目标分类网络输出所述待分类对象的分类结果；

其中，所述目标分类网络基于初始分类网络训练得到，所述初始分类网络包括第一残差网络，所述第一残差网络包括第一卷积层、N个中间特征提取层和第二卷积层，N为整数。