[发明专利]对象类别识别方法、装置、设备及存储介质

权利要求书

1.一种对象类别识别方法，其特征在于，所述方法包括：

获取待识别对象；

将所述待识别对象输入预先生成的类别识别模型；

基于所述类别识别模型的输出结果确定所述待识别对象所属类别；

其中，所述类别识别模型基于预设神经网络训练获得，所述预设神经网络中每个神经元的激活函数包含有变量参数，每次进行激活操作时对所述变量参数进行随机赋值。

2.根据权利要求1所述的方法，其特征在于，所述预设神经网络中，同一通道内神经元的激活函数的变量参数被赋予相同随机值，不同通道内神经元的激活函数的变量参数被赋予不同随机值。

3.根据权利要求1或2所述的方法，其特征在于，所述预设神经网络为预设深度卷积神经网络，所述激活函数包括第一激活函数和第二激活函数，第一激活函数至少包括第一变量参数，第二激活函数至少包括第二变量参数，所述第一激活函数在输入值大于或等于预设值时被执行，所述第二激活函数在输入值小于预设值时被执行。

4.根据权利要求3所述的方法，其特征在于，所述预设值为0，所述激活函数如下：

y=a*xx≥0a∈[amin,amax]b*xx<0b∈[bmin,bmax]]]>

a表示当输入值大于或等于0时激活函数的斜率值，b表示当输入值小于0时激活函数的斜率值。

5.根据权利要求4所述的方法，其特征在于，所述a_min＝tan30°，a_max＝tan60°，b_min＝tan30°，b_max＝tan60°。

6.一种对象类别识别装置，其特征在于，所述装置包括：

对象获取模块，被配置为获取待识别对象；

类别识别模块，被配置为将所述待识别对象输入预先生成的类别识别模型；

类别确定模块，被配置为基于所述类别识别模型的输出结果确定所述待识别对象所属类别；

其中，所述类别识别模型基于预设神经网络训练获得，所述预设神经网络中每个神经元的激活函数包含有变量参数，每次进行激活操作时对所述变量参数进行随机赋值。

7.根据权利要求6所述的装置，其特征在于，所述预设神经网络中，同一通道内神经元的激活函数的变量参数被赋予相同随机值，不同通道内神经元的激活函数的变量参数被赋予不同随机值。