[發明專利]一種輕量化網絡模型的訓練方法、裝置及設備

在審

• 申請號: 202011604099.8
• 申請日: 2020-12-29
• 公開（公告）號: CN112651975A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 莫曜陽;黃源浩;肖振中
• 申請（專利權）人: 奧比中光科技集團股份有限公司
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06N3/08;G06N3/04
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 梁立耀

1.一種輕量化網絡模型的訓練方法，其特征在于，包括：

獲取初始輕量化網絡模型，以及教師網絡模型；

獲取訓練樣本集，所述訓練樣本集包括設置有第一標簽的第一數據及未設置標簽的第二數據；

將所述第二數據輸入所述教師網絡模型，得到樣本特征，并將所述樣本特征確定為所述第二數據對應的第二標簽；

根據所述第一數據、所述第一標簽、所述第二數據以及所述第二標簽對所述初始輕量化網絡模型進行訓練，得到目標輕量化網絡模型。

2.如權利要求1所述的輕量化網絡模型的訓練方法，其特征在于，所述初始輕量化網絡模型為Unet初始輕量化網絡模型，所述教師網絡模型為Unet教師網絡模型；所述Unet教師網絡模型的基礎殘差模塊的數量大于所述Unet初始輕量化網絡模型的基礎殘差模塊的數量；所述Unet教師網絡模型的基礎殘差模塊中的卷積數量大于所述Unet初始輕量化網絡模型的基礎殘差模塊的卷積數量。

3.如權利要求1所述的輕量化網絡模型的訓練方法，其特征在于，教師網絡模型的訓練方法包括：

獲取所述第一數據及其對應的第一標簽；

根據所述第一數據及其對應的第一標簽對初始教師網絡模型進行訓練，得到教師網絡模型。

4.如權利要求1所述的輕量化網絡模型的訓練方法，其特征在于，所述根據所述第一數據、所述第一標簽、所述第二數據以及所述第二標簽對所述初始輕量化網絡模型進行訓練，得到目標輕量化網絡模型，包括：

將目標訓練樣本輸入至所述初始輕量化網絡模型進行處理，得到所述目標訓練樣本對應的目標特征；所述目標訓練樣本包括所述訓練樣本集中的第一數據和/或第二數據；

根據所述目標特征、所述目標訓練樣本對應的標簽以及預設損失函數計算目標損失值；

若所述目標損失值滿足預設停止訓練條件，則停止訓練，將當前的所述初始輕量化網絡模型作為目標輕量化網絡模型；

若所述目標損失值不滿足所述預設停止訓練條件，則根據所述目標損失值對所述初始輕量化網絡模型進行更新，并返回執行將目標訓練樣本輸入至所述初始輕量化網絡模型進行處理。

5.如權利要求4所述的輕量化網絡模型的訓練方法，其特征在于，所述預設損失函數為平方差函數。

6.如權利要求2所述的輕量化網絡模型的訓練方法，其特征在于，所述初始輕量化網絡模型用于對圖像數據進行圖像分割；所述初始輕量化網絡模型包括編碼器和解碼器；編碼器包括預設數量的降采樣層，所述降采樣層用于提取所述圖像數據的語義信息；所述解碼器包括預設數量的上采樣層；所述上采樣層用于將所述語義信息轉換為分割結果。

7.一種輕量化網絡模型的訓練裝置，其特征在于，包括：

第一獲取單元，用于獲取初始輕量化網絡模型，以及教師網絡模型；

第二獲取單元，用于獲取訓練樣本集，所述訓練樣本集包括設置有第一標簽的第一數據及未設置標簽的第二數據；

第一處理單元，用于將所述第二數據輸入所述教師網絡模型，得到樣本特征，并將所述樣本特征確定為所述第二數據對應的第二標簽；

第二處理單元，用于根據所述第一數據、所述第一標簽、所述第二數據以及所述第二標簽對所述初始輕量化網絡模型進行訓練，得到目標輕量化網絡模型。

8.如權利要求1所述的輕量化網絡模型的訓練裝置，其特征在于，所述初始輕量化網絡模型為Unet初始輕量化網絡模型，所述教師網絡模型為Unet教師網絡模型；所述Unet教師網絡模型的基礎殘差模塊的數量大于所述Unet初始輕量化網絡模型的基礎殘差模塊的數量；所述Unet教師網絡模型的基礎殘差模塊中的卷積數量大于所述Unet初始輕量化網絡模型的基礎殘差模塊的卷積數量。

9.一種輕量化網絡模型的訓練設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至6任一項所述的方法。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述的方法。