[發(fā)明專(zhuān)利]代碼生成方法、代碼生成裝置和電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201810988503.2
• 申請(qǐng)日: 2018-08-28
• 公開(kāi)（公告）號(hào): CN109241322B
• 公開(kāi)（公告）日: 2020-09-11
• 發(fā)明（設(shè)計(jì)）人: 傅朝友;宋俍辰;王國(guó)利;張騫;黃暢
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京地平線機(jī)器人技術(shù)研發(fā)有限公司
• 主分類(lèi)號(hào): G06F16/532
• 分類(lèi)號(hào): G06F16/532;G06T9/00;G06N3/04
• 代理公司: 北京彩和律師事務(wù)所 11688
• 代理人: 劉磊;閆桑田

1.一種代碼生成方法，包括：

通過(guò)深度哈希網(wǎng)絡(luò)從輸入圖像集獲得第一長(zhǎng)度的第一哈希碼，所述深度哈希網(wǎng)絡(luò)的每個(gè)神經(jīng)元輸出所述第一哈希碼的一位代碼，所述代碼是用于檢索所述輸入圖像集中的圖像的二值哈希碼；

通過(guò)神經(jīng)元融合層將所述深度哈希網(wǎng)絡(luò)的神經(jīng)元?jiǎng)澐譃槎鄠€(gè)分組；以及

選擇每個(gè)分組中的一個(gè)神經(jīng)元的輸出以生成第二長(zhǎng)度的第二哈希碼，所述第二長(zhǎng)度小于所述第一長(zhǎng)度；

其中，所述神經(jīng)元融合層通過(guò)基于驗(yàn)證圖像集的訓(xùn)練得到，訓(xùn)練過(guò)程包括：

計(jì)算所述深度哈希網(wǎng)絡(luò)的每個(gè)神經(jīng)元的冗余度，所述冗余度表示所述神經(jīng)元對(duì)應(yīng)的精度改變程度；以及

通過(guò)訓(xùn)練所述神經(jīng)元融合層以更新所述每個(gè)神經(jīng)元之間的鄰接關(guān)系以使得冗余度更小；

所述訓(xùn)練過(guò)程進(jìn)一步包括：

基于所述每個(gè)神經(jīng)元之間的鄰接關(guān)系對(duì)所述神經(jīng)元融合層的參數(shù)進(jìn)行二值化；以及

基于所述二值化的參數(shù)確定所述神經(jīng)元?jiǎng)澐譃榈亩鄠€(gè)分組；

所述訓(xùn)練過(guò)程進(jìn)一步包括：

通過(guò)所述深度哈希網(wǎng)絡(luò)和所述神經(jīng)元融合層從訓(xùn)練圖像集獲得驗(yàn)證哈希碼；

通過(guò)所述驗(yàn)證哈希碼計(jì)算訓(xùn)練誤差；以及

基于所述訓(xùn)練誤差以反向傳播訓(xùn)練所述深度哈希網(wǎng)絡(luò)和所述神經(jīng)元融合層。

2.如權(quán)利要求1所述的代碼生成方法，其中，所述深度哈希網(wǎng)絡(luò)通過(guò)基于訓(xùn)練圖像集的訓(xùn)練得到，所述驗(yàn)證圖像集是從所述訓(xùn)練圖像集隨機(jī)劃分得到的。

3.如權(quán)利要求1所述的代碼生成方法，其中，在選擇所述每個(gè)分組中的一個(gè)神經(jīng)元的輸出以生成第二長(zhǎng)度的第二哈希碼之后進(jìn)一步包括：

確定所述第二哈希碼的位數(shù)是否小于或者等于預(yù)定閾值；

響應(yīng)于所述第二哈希碼的位數(shù)大于所述預(yù)定閾值，通過(guò)另一神經(jīng)元融合層將所述多個(gè)分組合并以減小所述分組的數(shù)目；以及

選擇所述合并后的每個(gè)分組中的一個(gè)神經(jīng)元的輸出以生成第三長(zhǎng)度的第三哈希碼，所述第三長(zhǎng)度小于所述第二長(zhǎng)度。

4.一種代碼生成裝置，包括：

深度神經(jīng)網(wǎng)絡(luò)單元，用于通過(guò)深度哈希網(wǎng)絡(luò)從輸入圖像集獲得第一長(zhǎng)度的第一哈希碼，所述深度哈希網(wǎng)絡(luò)的每個(gè)神經(jīng)元輸出所述第一哈希碼的一位代碼，所述代碼是用于檢索所述輸入圖像集中的圖像的二值哈希碼；

神經(jīng)元融合單元，用于通過(guò)神經(jīng)元融合層將所述深度哈希網(wǎng)絡(luò)的神經(jīng)元?jiǎng)澐譃槎鄠€(gè)分組；以及

代碼生成單元，用于選擇每個(gè)分組中的一個(gè)神經(jīng)元的輸出以生成第二長(zhǎng)度的第二哈希碼，所述第二長(zhǎng)度小于所述第一長(zhǎng)度；

所述神經(jīng)元融合層通過(guò)基于驗(yàn)證圖像集的訓(xùn)練得到，訓(xùn)練過(guò)程包括：

計(jì)算所述深度哈希網(wǎng)絡(luò)的每個(gè)神經(jīng)元的冗余度，所述冗余度表示所述神經(jīng)元對(duì)應(yīng)的精度改變程度；以及

通過(guò)訓(xùn)練所述神經(jīng)元融合層以更新所述每個(gè)神經(jīng)元之間的鄰接關(guān)系以使得冗余度更小；

所述訓(xùn)練過(guò)程進(jìn)一步包括：

基于所述每個(gè)神經(jīng)元之間的鄰接關(guān)系對(duì)所述神經(jīng)元融合層的參數(shù)進(jìn)行二值化；以及

基于所述二值化的參數(shù)確定所述神經(jīng)元?jiǎng)澐譃榈亩鄠€(gè)分組；

所述訓(xùn)練過(guò)程進(jìn)一步包括：

通過(guò)所述深度哈希網(wǎng)絡(luò)和所述神經(jīng)元融合層從訓(xùn)練圖像集獲得驗(yàn)證哈希碼；

通過(guò)所述驗(yàn)證哈希碼計(jì)算訓(xùn)練誤差；以及

基于所述訓(xùn)練誤差以反向傳播訓(xùn)練所述深度神經(jīng)網(wǎng)絡(luò)和所述神經(jīng)元融合層。

5.如權(quán)利要求4所述的代碼生成裝置，其中，所述深度哈希網(wǎng)絡(luò)通過(guò)基于訓(xùn)練圖像集的訓(xùn)練得到，所述驗(yàn)證圖像集是從所述訓(xùn)練圖像集隨機(jī)劃分得到的。

6.如權(quán)利要求5所述的代碼生成裝置，進(jìn)一步包括：

位數(shù)確定單元，用于確定所述第二哈希碼的位數(shù)是否小于或者等于預(yù)定閾值；

所述神經(jīng)元融合單元進(jìn)一步用于響應(yīng)于所述第二哈希碼的位數(shù)大于所述預(yù)定閾值，通過(guò)另一神經(jīng)元融合層將所述多個(gè)分組合并以減小所述分組的數(shù)目；以及

所述代碼生成單元進(jìn)一步用于選擇所述合并后的每個(gè)分組中的一個(gè)神經(jīng)元的輸出以生成第三長(zhǎng)度的第三哈希碼，所述第三長(zhǎng)度小于所述第二長(zhǎng)度。