[發(fā)明專利]神經(jīng)網(wǎng)絡(luò)生成方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110334296.0
• 申請日: 2021-03-29
• 公開（公告）號: CN113052301A
• 公開（公告）日: 2021-06-29
• 發(fā)明（設(shè)計）人: 侯躍南;王哲;付萬增;石建萍
• 申請（專利權(quán)）人: 商湯集團(tuán)有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 北京中知恒瑞知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11889
• 代理人: 吳迪

1.一種神經(jīng)網(wǎng)絡(luò)生成方法，其特征在于，包括：

將待訓(xùn)練神經(jīng)網(wǎng)絡(luò)中各個網(wǎng)絡(luò)層包括的通道分別進(jìn)行分組，得到至少一個通道組；

確定各個通道組對應(yīng)的重要程度信息；

基于網(wǎng)絡(luò)規(guī)模限制信息和各個通道組的重要程度信息，剔除所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)中的至少一個通道組，得到目標(biāo)神經(jīng)網(wǎng)絡(luò)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定各個通道組對應(yīng)的重要程度信息，包括：

利用各個通道組中的通道對應(yīng)的伽馬值構(gòu)造所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)的損失函數(shù)；所述伽馬值用于表征對應(yīng)的通道的重要程度；

利用樣本圖像對所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至滿足訓(xùn)練截至條件；

根據(jù)訓(xùn)練完成時的神經(jīng)網(wǎng)絡(luò)的損失函數(shù)的值，確定各個通道對應(yīng)的伽馬值的優(yōu)化值；

基于各個通道對應(yīng)的伽馬值的優(yōu)化值，確定各個通道組對應(yīng)的重要程度信息。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于各個通道對應(yīng)的伽馬值的優(yōu)化值，確定各個通道組對應(yīng)的重要程度信息，包括：

針對一個通道組，計算該通道組所包括的通道對應(yīng)的伽馬值的優(yōu)化值的均值；

將計算得到的均值作為該通道組的重要程度信息。

4.根據(jù)權(quán)利要求2或3所述的方法，其特征在于，所述利用各個通道組中的通道對應(yīng)的伽馬值構(gòu)造所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)的損失函數(shù)，包括：

利用一個通道組中通道的數(shù)量和各個通道組中通道對應(yīng)的伽馬值構(gòu)造所述損失函數(shù)。

5.根據(jù)權(quán)利要求1至4任一項(xiàng)所述的方法，其特征在于，所述基于網(wǎng)絡(luò)規(guī)模限制信息和各個通道組的重要程度信息，剔除所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)中的至少一個通道組，得到目標(biāo)神經(jīng)網(wǎng)絡(luò)，包括：

獲取一個通道組對應(yīng)的網(wǎng)絡(luò)規(guī)模信息；

基于所述網(wǎng)絡(luò)規(guī)模限制信息、所述網(wǎng)絡(luò)規(guī)模信息和各個通道組的重要程度信息，剔除所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)中的至少一個通道組，得到目標(biāo)神經(jīng)網(wǎng)絡(luò)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述基于所述網(wǎng)絡(luò)規(guī)模限制信息、所述網(wǎng)絡(luò)規(guī)模信息和各個通道組的重要程度信息，剔除所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)中的至少一個通道組，包括：

基于所述網(wǎng)絡(luò)規(guī)模限制信息、所述網(wǎng)絡(luò)規(guī)模信息，確定需要剔除的通道組的目標(biāo)數(shù)量；

基于所述重要程度信息，將所述目標(biāo)數(shù)量個通道組剔除。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述基于所述重要程度信息，將所述目標(biāo)數(shù)量個通道組剔除，包括：

按照重要程度從小到大的順序，將各個通道組進(jìn)行排序；

將排序次序小于或等于所述目標(biāo)數(shù)量的通道組剔除。

8.根據(jù)權(quán)利要求1至7任一項(xiàng)所述的方法，其特征在于，所述網(wǎng)絡(luò)規(guī)模限制信息包括以下至少一項(xiàng)：

網(wǎng)絡(luò)參數(shù)量限制信息；網(wǎng)絡(luò)運(yùn)行耗時限制信息。

9.一種智能行駛方法，其特征在于，包括:

獲取道路圖像；

利用權(quán)利要求1-8任一項(xiàng)所述的神經(jīng)網(wǎng)絡(luò)生成方法生成的目標(biāo)神經(jīng)網(wǎng)絡(luò)對所述道路圖像進(jìn)行檢測，得到目標(biāo)對象；

基于檢測得到的目標(biāo)對象，控制智能行駛設(shè)備。

10.一種神經(jīng)網(wǎng)絡(luò)生成裝置，其特征在于，包括：

分組模塊，用于將待訓(xùn)練神經(jīng)網(wǎng)絡(luò)中各個網(wǎng)絡(luò)層包括的通道分別進(jìn)行分組，得到至少一個通道組；

重要性確定模塊，用于確定所述通道組對應(yīng)的重要程度信息；

通道剔除模塊，用于基于網(wǎng)絡(luò)規(guī)模限制信息和所述通道組的重要程度信息，剔除所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)中的至少一個通道組，得到目標(biāo)神經(jīng)網(wǎng)絡(luò)。

11.一種智能行駛設(shè)備，其特征在于，包括：

獲取模塊，用于獲取道路圖像；

檢測模塊，用于利用權(quán)利要求1-8任一項(xiàng)所述的神經(jīng)網(wǎng)絡(luò)生成方法生成的目標(biāo)神經(jīng)網(wǎng)絡(luò)對所述道路圖像進(jìn)行檢測，得到目標(biāo)對象；

控制模塊，用于基于檢測得到的目標(biāo)對象，控制智能行駛設(shè)備。