[發明專利]一種網絡模型的訓練方法以及相關裝置

有效

• 申請號: 201910331313.8
• 申請日: 2019-04-23
• 公開（公告）號: CN110222705B
• 公開（公告）日: 2023-10-24
• 發明（設計）人: 陳漢亭;舒晗;王云鶴;許春景
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06V10/74;G06N3/0475;G06N3/094;G06N3/0464;G06N3/045
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

1.一種網絡模型的訓練方法，其特征在于，所述方法包括：

獲取第一生成網絡和第二生成網絡，其中，所述第一生成網絡為待訓練的小型網絡，所述第二生成網絡為執行過訓練操作的大型網絡，所述第一生成網絡中的參數量小于所述第二生成網絡中的參數量；

將待轉換圖像輸入所述第一生成網絡，得到第一轉換后圖像；

將所述待轉換圖像輸入所述第二生成網絡，得到第二轉換后圖像；

根據所述第一轉換后圖像和所述第二轉換后圖像，對所述第一生成網絡進行迭代訓練，直至所述第一生成網絡輸出的所述第一轉換后圖像和所述第二生成網絡輸出的所述第二轉換后圖像的相似度達到所述預設閾值；

獲取第三生成網絡，所述第三生成網絡為所述第一生成網絡執行過所述迭代訓練后得到的網絡。

2.根據權利要求1所述的方法，其特征在于，所述根據所述第一轉換后圖像和所述第二轉換后圖像，對所述第一生成網絡進行迭代訓練，直至所述第一生成網絡輸出的所述第一轉換后圖像和所述第二生成網絡輸出的所述第二轉換后圖像的相似度達到預設閾值，包括：

獲取所述第一轉換后圖像的第一圖像矩陣；

獲取所述第二轉換后圖像的第二圖像矩陣；

根據所述第一圖像矩陣和所述第二圖像矩陣，采用第一損失函數對所述第一生成網絡進行迭代訓練，直至所述第一生成網絡輸出的所述第一轉換后圖像和所述第二生成網絡輸出的所述第二轉換后圖像的相似度達到所述預設閾值。

3.根據權利要求2所述的方法，其特征在于，

所述第一損失函數具體表現為：

其中，所述G_T(x)表示所述第一圖像矩陣，所述G_S(x)表示所述第二圖像矩陣，所述||G_T(x)-G_S(x)||₁表示所述第一圖像矩陣與所述第二圖像矩陣的差值的一范數，所述表示所述||G_T(x)-G_S(x)||₁的平方，所述L_L1(G_S)表示所述第一損失函數。

4.根據權利要求1所述的方法，其特征在于，所述根據所述第一轉換后圖像和所述第二轉換后圖像，對所述第一生成網絡進行迭代訓練，直至所述第一生成網絡輸出的所述第一轉換后圖像和所述第二生成網絡輸出的所述第二轉換后圖像的相似度達到預設閾值，包括：

獲取第一判別網絡以及第二判別網絡，所述第一判別網絡為待訓練網絡，所述第二判別網絡為執行過訓練操作的網絡，所述第一判別網絡與所述第一生成網絡歸屬于同一第一生成對抗網絡，所述第二判別網絡與所述第二生成網絡歸屬于同一第二生成對抗網絡；

將所述第一轉換后圖像輸入所述第一判別網絡，得到所述第一轉換后圖像的第一特征信息集合；

將所述第二轉換后圖像輸入所述第二判別網絡，得到所述第一轉換后圖像的第二特征信息集合；

根據所述第一特征信息集合和所述第二特征信息集合，采用第二損失函數對所述第一生成網絡進行迭代訓練，直至所述第一生成網絡輸出的所述第一轉換后圖像和所述第二生成網絡輸出的所述第二轉換后圖像的相似度達到所述預設閾值。

5.根據權利要求4所述的方法，其特征在于，

所述第二損失函數具體表現為：

其中，D_T(G_T(x))表示將所述第二轉換后圖像輸入所述第二判別網絡后得到的值，所述表示將所述D_T(G_T(x))去掉最后一層得到的所述第二特征信息集合，D_S(G_S(x))表示將所述第一轉換后圖像輸入所述第一判別網絡后得到的值，所述表示將所述D_S(G_S(x))去掉最后一層后得到的所述第一特征信息集合，所述表示所述第二特征信息集合與所述第一特征信息集合的差值的一范數，所述表示所述的平方，所述L_prec(G_S)表示所述第二損失函數。