[發明專利]評估神經網絡性能的方法及裝置

有效

• 申請號: 201910471332.0
• 申請日: 2019-05-31
• 公開（公告）號: CN110210558B
• 公開（公告）日: 2021-10-26
• 發明（設計）人: 周東展;周心池;伊帥;歐陽萬里
• 申請（專利權）人: 北京市商湯科技開發有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

本申請公開了一種評估神經網絡性能的方法及裝置。該方法包括：獲取評估參數集、訓練圖像集和待評估神經網絡集；所述評估參數集包括：目標采樣率、目標周期數；所述評估參數集通過預設規則獲得；所述預設規則用于指導用戶調整參考參數集獲得所述評估參數集；使用所述目標采樣率從所述訓練圖像集中采樣獲得樣本圖像集，使用所述樣本圖像集對所述待評估神經網絡集訓練N個周期，得到訓練后的待評估神經網絡集，并基于所述訓練后的待評估神經網絡集得到評估結果；所述N為所述目標周期數。還公開了相應的裝置。根據本實施例提供的預設規則調整參考參數集中的參數，可在縮短評估時間的同時，提升評估準確率。

技術領域

本申請涉及圖像處理技術領域，尤其涉及一種評估神經網絡性能的方法及裝置。

背景技術

神經網絡在計算機視覺領域被廣泛應用，通過訓練神經網絡，可使神經網絡能完成如圖像分類、圖像識別等任務，但不同的結構的神經網絡的性能不同，在執行上述任務時的精度也就不同。因此，需要為待執行的任務確定性能好的神經網絡結構。

通過對待評估神經網絡庫中的神經網絡的性能進行評估可確定待評估神經網絡庫中的不同結構的神經網絡的性能排名(即評估結果)，進而選取性能較好的神經網絡。由于訓練數據越豐富，訓練周期數越大，訓練獲得的神經網絡的性能越準確，進而可更準確的評估神經網絡的性能。然而訓練數據越豐富，訓練周期數越大，意味著所需耗費的計算資源很大和耗費的訓練時長很長，因此，如何減少評估神經網絡的性能所耗費的計算資源，以及縮短評估神經網絡耗費訓練時長就變得非常有意義。

發明內容

本申請提供一種評估神經網絡性能的方法及裝置，以評估神經網絡的性能。

第一方面，提供了一種評估神經網絡性能的方法，包括：獲取評估參數集、訓練圖像集和待評估神經網絡集；所述評估參數集包括：目標采樣率、目標周期數；所述評估參數集通過預設規則獲得；所述預設規則用于指導用戶調整參考參數集獲得所述評估參數集；使用所述目標采樣率從所述訓練圖像集中采樣獲得樣本圖像集，使用所述樣本圖像集對所述待評估神經網絡集訓練N個周期，得到訓練后的待評估神經網絡集，并基于所述訓練后的待評估神經網絡集得到評估結果；所述N為所述目標周期數。

在第一方面中，用戶可根據本實施例提供的預設規則合理調整參考參數集中的參數，以在縮短評估時間的同時，提升評估準確率。

在一種可能實現的方式中，所述預設規則包括：在將所述目標采樣率設為第一預設值的情況下，減小所述參考參數集中的周期數獲得所述目標周期數。

在該種可能實現的方式中，在將目標采樣率設為第一預設值的情況下，通過減小參考參數集中的周期數獲得目標周期數，可縮短評估時長以及提升評估效果。

在另一種可能實現的方式中，所述評估參數集還包括：目標通道數，所述預設規則包括：減小所述參考參數集中的通道數獲得所述目標通道數；所述使用所述樣本圖像集對所述待評估神經網絡集訓練N個周期，得到訓練后的待評估神經網絡集之前，所述方法還包括：將所述待評估神經網絡集中的待評估神經網絡的通道數設置為所述目標通道數。

在第二種可能實現的方式的基礎上，該種實現方式通過減小待評估神經網絡的通道數，可縮短評估時長，且可減少神經網絡內參數的數量，降低出現過擬合的概率，進而提升評估效果。

在又一種可能實現的方式中，所述評估參數集還包括：目標分辨率，所述預設規則包括：減小所述參考參數集中的分辨率獲得所述目標分辨率；所述使用所述樣本圖像集對所述待評估神經網絡集訓練N個周期，得到訓練后的待評估神經網絡集之前，所述方法還包括：將所述樣本圖像集中的圖像的分辨率減小至所述目標分辨率，得到減小分辨率后的樣本圖像集；所述使用所述樣本圖像集對所述待評估神經網絡集訓練N個周期，得到訓練后的待評估神經網絡集，包括：使用所述減小分辨率后的樣本圖像集對所述待評估神經網絡集訓練M個周期，得到所述訓練后的待評估神經網絡集；所述M等于所述N。