[发明专利]一种具有凭证识别功能的归一化方法

权利要求书

1.一种具有凭证识别功能的归一化方法、其特征在于，包括如下步骤：

步骤1、建立模型性能与正确凭证之间的关系，利用仿射变换的分布调制，将仿射变换参数γ、β改变为凭证的函数；如果向目标模型输入不正确的凭证，生成的仿射变换参数也会不正确，使模型工作异常；学习另一组仿射变换参数γ₀、β₀，用于模型的原始任务；

步骤2、在模型训练中引入凭证时，相应的统计量进行独立计算，其公式如下：

该公式包括两个分支，其中第二个分支作为凭证识别分支，对于全连接层后的归一化，第二个分支将计算自己的归一化统计量μ₁，σ₁，并分别学习基于凭证p_γ、p_β的仿射变换参数γ、β。

2.根据权利要求1所述的一种具有凭证识别功能的归一化方法，其特征在于，所述步骤2中，包括如下步骤：

设计可学习的γ₁，β₁，他们也和原始模型的权重相关，即：

γ₁(p_γ)＝w₂^Tg(w₁^T(wp_γ)),

β₁(p_γ)＝w₂^Tg(w₁^T(wp_β)),

式中表示卷积运算符，W_c是前一卷积层的核权重。对于全连接层之后的归一化层，将被替换为W_c^Tp_x，GAP表示全局平均池化，它将卷积后的凭证转换成与γ₁，β₁形状相同的向量；w1，w2是要学习的两个全连接层的权重，g是非线性激活函数，默认使用Leakly-ReLU函数；p_γ、p_β为预先定义的凭证，P_x代指p_γ、p_β。

3.根据权利要求1所述的一种具有凭证识别功能的归一化方法，其特征在于，在训练目标模型时，采用交替训练策略，首先为每个归一化层预先定义凭证p_γ、p_β，然后交替训练无凭证的分支和有凭证识别的分支。