【技术实现步骤摘要】
神经网络训练、图像处理方法及装置、存储介质
本公开涉及机器学习领域，尤其涉及一种神经网络训练、图像处理方法及装置、存储介质。
技术介绍
为了确保基于深度学习的机器视觉任务的性能，需要为机器视觉任务建立有效的任务模型。其中，损失函数对该任务模型性能的影响较大。目前主要是采用人工设计的启发式函数作为损失函数。在人工设计好损失函数后，任务模型的训练过程中损失函数会保持不变，最终得到的任务模型的性能还有待进一步优化。
技术实现思路
有鉴于此，本公开提供了一种神经网络训练、图像处理方法及装置、存储介质。根据本公开实施例的第一方面，提供一种神经网络训练方法，所述方法包括：根据多个第一损失函数分别对第一初始神经网络进行当前迭代训练，得到多个备选神经网络；从所述多个备选神经网络中选择第二初始神经网络；基于多个第二损失函数对所述第二初始神经网络进行下一迭代训练，得到目标神经网络。在一些实施例中，所述基于多个第二损失函数对所述第二初始神经网络进行下一迭代训练，得到目标神经网络，包括：响应于未达到停止迭代条件，基于多个第二损失函数对所述第二初始神经网络进行下一迭代训练，得到目标神经网络。在...
【技术保护点】
1.一种神经网络训练方法，其特征在于，所述方法包括：根据多个第一损失函数分别对第一初始神经网络进行当前迭代训练，得到多个备选神经网络；从所述多个备选神经网络中选择第二初始神经网络；基于多个第二损失函数对所述第二初始神经网络进行下一迭代训练，得到目标神经网络。
【技术特征摘要】
1.一种神经网络训练方法，其特征在于，所述方法包括：根据多个第一损失函数分别对第一初始神经网络进行当前迭代训练，得到多个备选神经网络；从所述多个备选神经网络中选择第二初始神经网络；基于多个第二损失函数对所述第二初始神经网络进行下一迭代训练，得到目标神经网络。2.根据权利要求1所述的方法，其特征在于，所述基于多个第二损失函数对所述第二初始神经网络进行下一迭代训练，得到目标神经网络，包括：响应于未达到停止迭代条件，基于多个第二损失函数对所述第二初始神经网络进行下一迭代训练，得到目标神经网络。3.一种图像处理方法，其特征在于，包括：获取图像；利用目标神经网络处理所述图像，得到图像处理结果，其中，所述目标神经网络是根据权利要求1或2所述的方法训练得到的。4.一种神经网络训练装置，其特征在于，所述装置包括：迭代训练模块，被配置为根据多个第一损失函数分别对第一初始神经网络进行当前迭代训练，得到多个备选神经网络；选择模块，被配置为从所述多个备选神经网络中选择第二初始神经网络；第一确定模块，被配置为基于多个第二损失函数对所述第二初始神经网络进行下一迭代训练，得到目标神经网络。5.根据权利要求4所述的装置，其...
【专利技术属性】
技术研发人员：李楚鸣，林宸，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：北京,11
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。