[發(fā)明專(zhuān)利]訓(xùn)練神經(jīng)網(wǎng)絡(luò)及圖像識(shí)別的方法、裝置、設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010443246.1
• 申請(qǐng)日: 2020-05-22
• 公開(kāi)（公告）號(hào): CN111598182A
• 公開(kāi)（公告）日: 2020-08-28
• 發(fā)明（設(shè)計(jì)）人: 于志鵬;吳一超;梁鼎;郭秋杉
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京市商湯科技開(kāi)發(fā)有限公司
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06N3/08
• 代理公司: 北京同立鈞成知識(shí)產(chǎn)權(quán)代理有限公司 11205
• 代理人: 朱穎;臧建明

1.一種訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法，其特征在于，包括：

獲取圖像樣本數(shù)據(jù)集，所述圖像樣本數(shù)據(jù)集包括至少一個(gè)圖像樣本數(shù)據(jù)；

將所述圖像樣本數(shù)據(jù)集分別輸入多個(gè)神經(jīng)網(wǎng)絡(luò)，得到所述多個(gè)神經(jīng)網(wǎng)絡(luò)中每個(gè)神經(jīng)網(wǎng)絡(luò)輸出的第一預(yù)測(cè)結(jié)果；

基于多個(gè)第一預(yù)測(cè)結(jié)果，確定所述多個(gè)神經(jīng)網(wǎng)絡(luò)在本輪迭代訓(xùn)練的損失函數(shù)；

基于所述損失函數(shù)，調(diào)整所述多個(gè)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于多個(gè)第一預(yù)測(cè)結(jié)果，確定所述多個(gè)神經(jīng)網(wǎng)絡(luò)在本輪迭代訓(xùn)練的損失函數(shù)，包括：

分別確定所述每個(gè)神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的第一損失函數(shù)，以及確定第二損失函數(shù)；

基于多個(gè)所述第一損失函數(shù)和所述第二損失函數(shù)，確定所述多個(gè)神經(jīng)網(wǎng)絡(luò)在本輪迭代訓(xùn)練的損失函數(shù)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述分別確定所述每個(gè)神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的第一損失函數(shù)，以及確定第二損失函數(shù)，包括：

基于每個(gè)第一預(yù)測(cè)結(jié)果和所述圖像樣本數(shù)據(jù)集的標(biāo)簽，確定所述每個(gè)神經(jīng)網(wǎng)絡(luò)的第一損失函數(shù)；

基于所述多個(gè)第一預(yù)測(cè)結(jié)果，確定第二預(yù)測(cè)結(jié)果；

基于所述第二預(yù)測(cè)結(jié)果和所述圖像樣本數(shù)據(jù)集的標(biāo)簽，確定所述第二損失函數(shù)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于所述多個(gè)第一預(yù)測(cè)結(jié)果，確定第二預(yù)測(cè)結(jié)果，包括：

將所述多個(gè)神經(jīng)網(wǎng)絡(luò)的第一損失函數(shù)中最小損失函數(shù)對(duì)應(yīng)的第一預(yù)測(cè)結(jié)果，確定為所述第二預(yù)測(cè)結(jié)果。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于所述多個(gè)第一預(yù)測(cè)結(jié)果，確定第二預(yù)測(cè)結(jié)果，包括：

確定每個(gè)第一預(yù)測(cè)結(jié)果的權(quán)重；

基于所述權(quán)重和對(duì)應(yīng)的第一預(yù)測(cè)結(jié)果，得到所述多個(gè)第一預(yù)測(cè)結(jié)果的加權(quán)和，并將所述加權(quán)和確定為所述第二預(yù)測(cè)結(jié)果；

其中，所述權(quán)重為所述第二損失函數(shù)取最小值時(shí)的權(quán)重。

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述第一預(yù)測(cè)結(jié)果包括多個(gè)分類(lèi)結(jié)果；

所述基于所述多個(gè)第一預(yù)測(cè)結(jié)果，確定第二預(yù)測(cè)結(jié)果，包括：

獲取所述多個(gè)神經(jīng)網(wǎng)絡(luò)的第一預(yù)測(cè)結(jié)果中每個(gè)分類(lèi)結(jié)果的最小值；

根據(jù)所述每個(gè)分類(lèi)結(jié)果的最小值，得到所述第二預(yù)測(cè)結(jié)果。

7.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于所述多個(gè)第一預(yù)測(cè)結(jié)果，確定第二預(yù)測(cè)結(jié)果，包括：

獲取驗(yàn)證圖像數(shù)據(jù)集，所述驗(yàn)證圖像數(shù)據(jù)集包括至少一個(gè)驗(yàn)證圖像數(shù)據(jù)；

基于所述驗(yàn)證圖像數(shù)據(jù)集，確定所述每個(gè)神經(jīng)網(wǎng)絡(luò)的性能參數(shù)；

基于所述性能參數(shù)，確定所述每個(gè)神經(jīng)網(wǎng)絡(luò)的權(quán)重，所述性能參數(shù)的取值和所述權(quán)重的取值呈正相關(guān)；

基于所述權(quán)重和對(duì)應(yīng)的第一預(yù)測(cè)結(jié)果，得到所述多個(gè)第一預(yù)測(cè)結(jié)果的加權(quán)和，并將所述加權(quán)和確定為所述第二預(yù)測(cè)結(jié)果。

8.根據(jù)權(quán)利要求1-7任一項(xiàng)所述的方法，其特征在于，輸入所述多個(gè)神經(jīng)網(wǎng)絡(luò)中至少兩個(gè)神經(jīng)網(wǎng)絡(luò)的至少部分圖像樣本數(shù)據(jù)不同。

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，在所述將所述圖像樣本數(shù)據(jù)集分別輸入多個(gè)神經(jīng)網(wǎng)絡(luò)之前，所述方法還包括：

對(duì)所述圖像樣本數(shù)據(jù)集中的至少部分圖像樣本數(shù)據(jù)分別進(jìn)行數(shù)據(jù)增強(qiáng)處理，得到多個(gè)圖像樣本數(shù)據(jù)集，并將所述多個(gè)圖像樣本數(shù)據(jù)集分別作為所述多個(gè)神經(jīng)網(wǎng)絡(luò)的輸入；

其中，得到所述多個(gè)圖像樣本數(shù)據(jù)集采用的數(shù)據(jù)增強(qiáng)處理的種類(lèi)和/或處理參數(shù)不同。

10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述數(shù)據(jù)增強(qiáng)處理的種類(lèi)，包括如下至少一項(xiàng)：尺度變換、平移、旋轉(zhuǎn)、裁切、顏色扭曲。