[發明專利]神經網絡訓練方法、裝置、設備和存儲介質

在審

• 申請號: 202010701981.8
• 申請日: 2020-07-20
• 公開（公告）號: CN111881966A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 林成龍
• 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;G06N3/04;G06N3/08
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 馬麗;張穎玲

本申請實施例提供一種神經網絡訓練方法、裝置、設備和存儲介質，其中，所述方法包括：根據獲取的待處理任務，確定待訓練網絡；根據所述待訓練網絡的描述信息，確定與所述描述信息具有綁定關系的至少一個已標注圖像，得到至少一個已標注圖像集；根據所述至少一個已標注圖像集對所述待訓練網絡進行訓練，得到已訓練網絡；采用所述已訓練網絡對所述待處理任務進行處理，得到處理結果。

技術領域

本申請實施例涉及機器學習領域，涉及但不限于神經網絡訓練方法、裝置、設備和存儲介質。

背景技術

隨著人工智能的發展，越來越多行業開始利用人工智能技術來提升企業和組織運營的效率，降低運營的成本。但是，大多數行業對于人工智能技術的應用，仍然存在單點化，典型化，定制化的特點。即仍然使用人工智能技術解決單點的業務問題，沒有實現全流程的改造和人工智能(Artificial Intelligence，AI)升級。大多數行業使用人工智能技術，仍然要依托于人工智能公司為其定制人工智能模型，制約了人工智能的規模化應用。

發明內容

本申請實施例提供一種神經網絡訓練方法、裝置、設備和存儲介質。

本申請實施例提供一種神經網絡訓練方法，所述方法包括：

根據獲取的待處理任務，確定待訓練網絡；

根據所述待訓練網絡的描述信息，確定與所述描述信息具有綁定關系的至少一個已標注圖像，得到至少一個已標注圖像集；

根據所述至少一個已標注圖像集對所述待訓練網絡進行訓練，得到已訓練網絡；

采用所述已訓練網絡對所述待處理任務進行處理，得到處理結果。

在一些可能的實現方式中，所述根據獲取的待處理任務，確定待訓練網絡，包括：根據所述待處理任務的模型需求，確定處理所述待處理任務的網絡模型的描述信息；響應于網絡模型庫中不存在與所述描述信息相匹配的網絡模型，根據所述描述信息創建所述待訓練網絡。如此，在網絡模型庫中不存在當前可用模型的情況下，能夠根據用戶的需求創建能夠處理待處理任務的待訓練網絡。

在一些可能的實現方式中，在所述采用所述已訓練網絡對所述待處理任務進行處理，得到處理結果之前，所述方法還包括：確定所述已訓練網絡的檢測指標的檢測結果；對應地，響應于所述檢測結果滿足預設條件，采用所述已訓練網絡對所述待處理任務進行處理，得到處理結果。如此，對待訓練網絡進行訓練之后，對已訓練網絡的檢測指標進行檢測，使得發布的已訓練網絡的性能較佳。

在一些可能的實現方式中，所述確定所述已訓練網絡的檢測指標的檢測結果，包括：從所述至少一個已標注圖像集中，確定與所述訓練集的類型相匹配的測評集；采用所述測評集對所述已訓練網絡的檢測指標進行測評，得到所述檢測結果。如此，能夠從已標注圖像集中選擇與訓練集類型相同的測評集，對已訓練網絡的檢測指標進行測評，從而能夠準確的檢測出訓練后的已訓練網絡的檢測指標是否達標。

在一些可能的實現方式中，所述方法還包括：如果所述檢測結果不滿足預設條件，確定不滿足預設條件的檢測指標；根據所述不滿足預設條件的檢測指標，更換所述訓練集；采用更換后的訓練集對所述已訓練網絡進行訓練，得到更新的已訓練網絡。如此，對已訓練網絡的檢測指標進行測評之后，如果檢測結果不滿足條件，可以通過更好訓練集，重新對已訓練網絡進行訓練，從而使得更新的已訓練網絡的檢測指標能夠達標。

在一些可能的實現方式中，在所述根據所述待訓練網絡的描述信息，確定與所述描述信息具有綁定關系的至少一個已標注圖像，得到至少一個已標注圖像集之前，所述方法還包括：確定與所述描述信息相匹配的圖像集類別；如果預設圖像集庫中未包含滿足所述圖像集類別的目標圖像集，獲取至少兩個圖像；根據所述至少兩個圖像，創建至少一個圖像集。如此，創建待訓練網絡之后，為該待訓練網絡創建至少一個圖像集，從而能夠更好的采用創建的圖像集對待訓練網絡進行訓練。