[發(fā)明專利]圖像處理模型搜索、圖像處理方法、裝置和存儲介質

有效

• 申請?zhí)枺?/td>: 202110285328.2
• 申請日: 2021-03-17
• 公開（公告）號: CN112801215B
• 公開（公告）日: 2021-07-02
• 發(fā)明（設計）人: 王強;邰穎;沈鵬程;李紹欣;李季檁;黃飛躍
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G06N3/04
• 代理公司: 廣州華進聯(lián)合專利商標代理有限公司 44224
• 代理人: 毛丹

1.一種圖像處理模型搜索方法，其特征在于，所述方法包括：

獲取圖像數據集和圖像處理網絡搜索空間，所述圖像數據集包括訓練數據集和驗證數據集；

從所述圖像處理網絡搜索空間中選取當前子網絡，基于當前子網絡得到當前圖像處理模型；

將所述訓練數據集輸入所述當前圖像處理模型和已訓練的參考圖像處理模型中進行知識蒸餾訓練，得到所述當前圖像處理模型對應的當前訓練圖像處理模型；

基于所述驗證數據集對所述當前訓練圖像處理模型進行圖像處理評估，得到圖像處理評估結果，基于所述圖像處理評估結果更新所述當前訓練圖像處理模型，得到目標訓練圖像處理模型；

基于所述目標訓練圖像處理模型更新所述圖像處理網絡搜索空間中的子網絡，并返回從所述圖像處理網絡搜索空間中選取當前子網絡，基于當前子網絡得到當前圖像處理模型的步驟執(zhí)行，直到達到搜索完成條件，從達到搜索完成條件時的圖像處理網絡搜索空間中選取最優(yōu)結構參數對應的目標子網絡，基于所述目標子網絡得到目標圖像處理模型，所述基于所述目標訓練圖像處理模型更新所述圖像處理網絡搜索空間中的子網絡，包括：基于所述目標訓練圖像處理模型中的結構參數更新所述圖像處理網絡搜索空間中的各個子網絡的結構參數，所述結構參數用于表征對應網絡結構最終被選取的可能性。

2.根據權利要求1所述的方法，其特征在于，所述圖像處理網絡搜索空間包括初始待搜索特征編碼網絡和初始特征解碼網絡；

所述獲取圖像處理網絡搜索空間，包括：

獲取預設第一數量的候選網絡操作；

基于所述預設第一數量的候選網絡操作建立預設第二數量的特征編碼網絡層，并將所述預設第二數量的特征編碼網絡層進行局部全連接，得到特征編碼子結構網絡；

建立預設第三數量的特征編碼子結構網絡，并將所述預設第三數量的特征編碼子結構網絡進行鏈式鏈接，得到待搜索特征編碼網絡；

獲取特征解碼網絡，并初始化所述待搜索特征編碼網絡和所述特征解碼網絡，得到所述初始待搜索特征編碼網絡和所述初始特征解碼網絡；

基于所述初始待搜索特征編碼網絡和所述初始特征解碼網絡得到所述圖像處理網絡搜索空間。

3.根據權利要求2所述的方法，其特征在于，所述初始化所述待搜索特征編碼網絡，包括：

獲取所述待搜索特征編碼網絡中候選網絡操作對應的結構特征；

將所述待搜索特征編碼網絡中候選網絡操作對應的結構特征進行隨機松弛，得到所述待搜索特征編碼網絡中候選網絡操作對應的初始結構參數；

并初始化所述待搜索特征編碼網絡對應的網絡參數，得到所述初始待搜索特征編碼網絡。

4.根據權利要求2所述的方法，其特征在于，所述從所述圖像處理網絡搜索空間中選取當前子網絡，基于當前子網絡得到當前圖像處理模型，包括：

從所述初始待搜索特征編碼網絡中各個特征編碼網絡層的候選網絡操作中選取當前網絡操作，基于所述當前網絡操作得到各個當前特征編碼網絡層；

基于所述各個當前特征編碼網絡層得到當前特征編碼網絡，并將所述當前特征編碼網絡和所述初始特征解碼網絡進行連接，得到所述當前子網絡。

5.根據權利要求1所述的方法，其特征在于，所述將所述訓練數據集輸入當前圖像處理模型和已訓練的參考圖像處理模型中進行知識蒸餾訓練，得到所述當前圖像處理模型對應的當前訓練圖像處理模型，包括：

將所述訓練數據集輸入所述當前圖像處理模型中進行圖像處理，得到當前圖像處理結果；

將所述訓練數據集輸入所述已訓練的參考圖像處理模型中進行圖像處理，得到參考圖像處理結果；

基于所述當前圖像處理結果和所述參考圖像處理結果計算知識蒸餾損失信息，基于所述知識蒸餾損失信息更新所述當前圖像處理模型；

并返回將所述訓練數據集輸入所述當前圖像處理模型中進行圖像處理，得到當前圖像處理結果的步驟迭代執(zhí)行，直到達到知識蒸餾訓練完成條件時，得到所述當前圖像處理模型對應的當前訓練圖像處理模型。