几何神经网络模型构建方法、装置、设备及存储介质与流程

本申请涉及神经网络，具体涉及一种几何神经网络模型构建方法、装置、设备及存储介质。

背景技术：

1、人工神经网络在图像识别、目标检测、计算机视觉、自然语言处理等应用中取得的巨大成功，使得深度学习成为当今最活跃的研究领域。神经网络结构作为神经网络的重要参数，是神经网络技术发展最重要的推动因素。然而神经网络研究在结构上的探索仍处于相对初级的阶段，大多数神经网络的设计基本遵循一种固定模式：神经网络是一定数量的神经元层的堆叠，逐层相连的链式模型是目前神经网络中普遍采用的网络结构。

2、在现有技术中，主要针对卷积核、网络深度、残差块等结构开展了深入的研究，对于神经网络的网络结构仍旧基于人工设计的规则网络结构。人工神经网络模拟的脑神经网络是一个多尺度且具备层级结构的复杂网络，规则的网络结构无法完全模拟其特性。

技术实现思路

1、鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的几何神经网络模型构建方法、装置、设备及存储介质。

2、根据本申请的一个方面，提供了一种几何神经网络模型构建方法，包括：

3、根据预设模型确定神经网络的连接关系、节点、连边和连边方向；其中，所述节点用于对数据进行特征处理；所述连边表征所述神经网络中的数据流；所述连边方向表征所述数据的传递方向；

4、根据所述节点对所述数据的特征处理确定节点模型；其中，所述节点模型包含预设个卷积层；

5、根据所述神经网络的连接关系与所述节点模型，构建几何神经网络模型；其中，所述几何神经网络模型包括提取图像的低层次特征、神经网络中的特征重用、特征通道线性组合、构建图像的全局特征、网络正则化中的至少一部分功能实现。

6、根据本申请的另一个方面，提供了一种几何神经网络模型构建装置，包括：

7、连接关系确定模块，用于根据预设模型确定神经网络的连接关系、节点、连边和连边方向；其中，所述节点用于对数据进行特征处理；所述连边表征所述神经网络中的数据流；所述连边方向表征所述数据的传递方向；

8、节点模型确定模块，用于根据所述节点对所述数据的特征处理确定节点模型；其中，所述节点模型包含预设个卷积层；

9、几何神经网络模型构建模块，用于根据所述神经网络的连接关系与所述节点模型，构建几何神经网络模型；其中，所述几何神经网络模型包括提取图像的低层次特征、神经网络中的特征重用、特征通道线性组合、构建图像的全局特征、网络正则化中的至少一部分功能实现。

10、根据本申请的另一方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

11、所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行本申请所述的几何神经网络模型构建方法对应的操作。

12、根据本申请的另一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行本申请所述的几何神经网络模型构建方法对应的操作。

13、根据本申请公开的几何神经网络模型构建方法、设备及存储介质，通过根据预设模型确定神经网络的连接关系、节点、连边和连边方向；其中，所述节点用于对数据进行特征处理；所述连边表征所述神经网络中的数据流；所述连边方向表征所述数据的传递方向；根据所述节点对所述数据的特征处理确定节点模型；其中，所述节点模型包含预设个卷积层；根据所述神经网络的连接关系与所述节点模型，构建几何神经网络模型；其中，所述几何神经网络模型包括提取图像的低层次特征、神经网络中的特征重用、特征通道线性组合、构建图像的全局特征、网络正则化中的至少一部分功能实现。这样将具有自然特征的预设模型与神经网络结合，形成具有自然网络特征的几何神经网络模型。

14、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

技术特征：

1.一种几何神经网络模型构建方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据预设模型确定神经网络的连接关系，包括：

3.根据权利要求1所述的方法，其特征在于，所述特征处理包括特征聚合、特征变换和特征分发中的至少一个处理过程；

4.根据权利要求1所述的方法，其特征在于，所述根据预设模型确定神经网络的连边方向，包括：

5.根据权利要求1所述的方法，其特征在于，所述节点模型包含三个卷积层，其中，第一个卷积层用于对节点的聚合特征进行处理，并提升特征的通道数量；第二个卷积层为深度卷积，用于提取图像的空间特征，同时减小模型的参数数量；第三个卷积层用于恢复原始特征的通道维度。

6.根据权利要求5任一项所述的方法，其特征在于，在所述第一个卷积层后，采用轻量级的通道注意力机制对不同通道进行重要性加权；

7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：

8.一种几何神经网络模型构建装置，其特征在于，包括：

9.一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

10.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的几何神经网络模型构建方法对应的操作。

技术总结
本申请公开了一种几何神经网络模型构建方法、装置、设备及存储介质。其中，所述方法包括：根据预设模型确定神经网络的连接关系、节点、连边和连边方向；其中，节点用于对数据进行特征处理；连边表征神经网络中的数据流；连边方向表征数据的传递方向；根据节点对数据的特征处理确定节点模型；其中，节点模型包含预设个卷积层；根据神经网络的连接关系与节点模型，构建几何神经网络模型；其中，几何神经网络模型包括提取图像的低层次特征、神经网络中的特征重用、特征通道线性组合、构建图像的全局特征、网络正则化中的至少一部分功能实现。本方案将具有自然特征的预设模型与神经网络结合，形成具有自然网络特征的几何神经网络模型。

技术研发人员：崔向阳,闫洲,杨松,张铮
受保护的技术使用者：人民网股份有限公司
技术研发日：
技术公布日：2024/1/11