【技术实现步骤摘要】
训练神经网络的方法、图像处理的方法、设备及存储介质
本申请实施例涉及机器学习
,特别涉及一种训练神经网络的方法、图像处理的方法、设备及存储介质。
技术介绍
目前,随着深度学习的发展,衍生出越来越多的神经网络用于图像处理。当图像来自不同设备时,由于设备厂商的不同,得到的图像分布也不同。在图像处理过程中,对来自一个设备的图像进行精心标注,将通过该标注训练所获得的神经网络用于处理另一个设备的图像时会造成图像处理效果的大幅度下降。因此,如何训练神经网络以及如何基于训练得到的神经网络进行图像处理,是保证跨设备图像的图像处理效果稳定的关键。相关技术在训练用于图像处理的神经网络的过程中,从源域图像和目标域图像的倒数第一个和第二个层中提取图像特征,将图像特征赋予相同的权重。然后将提取的图像特征输入域适应模块进行对抗训练,获得神经网络。在实现本申请的过程中,专利技术人发现相关技术至少存在以下问题:相关技术中,在训练用于图像处理的神经网络过程中,仅从源域图像和目标域图像的倒数两层提取图像特征,可能会丢失部分重要的特征。此外,将图像特征赋予相同的权重,可能会降低用于图像处理的神经网络的训练精度,进而降低基于训练得到的神经网络进行图像处理的效果。
技术实现思路
本申请实施例提供了一种训练神经网络的方法、图像处理的方法、设备及存储介质,可用于解决相关技术中的问题。所述技术方案如下:一方面,本申请实施例提供了一种训练神经网络的方法,所述方法包括:获取对初始神经网络进行训练的训练集和测试集,所述训练集中包括多张源域图像,所述测试集中包括多张目标域图像;基于所述初始神经网络获取第一源域 ...
【技术保护点】
1.一种训练神经网络的方法,其特征在于,所述方法包括:获取对初始神经网络进行训练的训练集和测试集,所述训练集中包括多张源域图像,所述测试集中包括多张目标域图像;基于所述初始神经网络获取第一源域图像的密集特征和第一目标域图像的密集特征,所述第一源域图像为所述训练集的子集所包括的图像,所述第一目标域图像为所述测试集的子集所包括的图像;对所述第一源域图像的密集特征进行局部像素加权和全局通道加权,得到所述第一源域图像的自适应密集特征,对所述第一目标域图像的密集特征进行局部像素加权和全局通道加权,得到所述第一目标域图像的自适应密集特征;基于所述第一源域图像的自适应密集特征和所述第一目标域图像的自适应密集特征进行对抗训练,得到对抗损失,基于得到的对抗损失更新所述初始神经网络的参数,直至得到满足要求的目标神经网络。
【技术特征摘要】
1.一种训练神经网络的方法,其特征在于,所述方法包括:获取对初始神经网络进行训练的训练集和测试集,所述训练集中包括多张源域图像,所述测试集中包括多张目标域图像;基于所述初始神经网络获取第一源域图像的密集特征和第一目标域图像的密集特征,所述第一源域图像为所述训练集的子集所包括的图像,所述第一目标域图像为所述测试集的子集所包括的图像;对所述第一源域图像的密集特征进行局部像素加权和全局通道加权,得到所述第一源域图像的自适应密集特征,对所述第一目标域图像的密集特征进行局部像素加权和全局通道加权,得到所述第一目标域图像的自适应密集特征;基于所述第一源域图像的自适应密集特征和所述第一目标域图像的自适应密集特征进行对抗训练,得到对抗损失,基于得到的对抗损失更新所述初始神经网络的参数,直至得到满足要求的目标神经网络。2.根据权利要求1所述的方法,其特征在于,所述基于所述初始神经网络获取第一源域图像的密集特征和第一目标域图像的密集特征,包括:基于所述初始神经网络对所述第一源域图像和所述第一目标域图像进行分割,得到所述第一源域图像的图像特征和所述第一目标域图像的图像特征;对所述第一源域图像的图像特征进行上采样和连接处理,得到所述第一源域图像的密集特征;对所述第一目标域图像的图像特征进行上采样和连接处理,得到所述第一目标域图像的密集特征。3.根据权利要求2所述的方法,其特征在于,所述基于所述第一源域图像的自适应密集特征和所述第一目标域图像的自适应密集特征进行对抗训练,得到对抗损失,包括:基于所述第一源域图像的自适应密集特征获取所述第一源域图像的第一预测结果,将所述第一预测结果与所述第一源域图像的第一标注计算第一对抗损失;基于所述第一目标域图像的自适应密集特征获取所述第一目标域图像的第二预测结果,将所述第二预测结果与所述第一目标域图像的第二标注计算第二对抗损失。4.根据权利要求3所述的方法,其特征在于,所述得到所述第一源域图像的图像特征之后,还包括:基于所述第一源域图像的图像特征获取所述第一源域图像的第三预测结果,将所述第三预测结果与所述第一源域图像的第三标注计算交叉熵损失;所述基于得到的对抗损失更新所述初始神经网络的参数,包括:基于所述第一对抗损失、所述第二对抗损失与所述交叉熵损失更新所述初始神经网络的参数。5.根据权利要求1-4任一所述的方法,其特征在于,所述对所述第一源域图像的密集特征进行局部像素加权和全局通道加权,得到所述第一源域图像的自适应密集特征,对所述第一目标域图像的密集特征进行局部像素加权和全局通道加权,得到所述第一目标域图像的自适应密集特征,包括:获取注意力模型;基于所述注意力模型对所述第一源域图像的密集特征进行局部像素加权...
【专利技术属性】
技术研发人员:边成,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。