【技术实现步骤摘要】
搜索模型结构的方法、装置、设备和存储介质
本公开的实施例主要涉及人工智能领域，并且更具体地，涉及用于搜索模型结构的方法、装置、设备和计算机可读存储介质。
技术介绍
近年来，深度学习技术在很多方向上都取得了巨大的成功。在深度学习技术中，模型结构(即，人工神经网络的结构)的好坏对最终模型的效果有非常重要的影响。由人工设计神经网络结构往往需要设计者具有非常丰富的经验和尝试非常多的组合方式。由于众多网络参数会产生非常多的组合方式，常规的随机搜索几乎是不可行。因此，最近几年神经网络架构搜索技术(NeuralArchitectureSearch，简称NAS)成为研究热点，其利用算法代替繁琐的人工操作来自动搜索最佳的神经网络架构。目标检测问题(例如，从图像中检测人、动物等目标对象)非常有挑战性。由于目标检测问题的复杂性，很难人工设计出非常好的神经网络结构。现有的模型结构自动搜索方法主要针对分类问题，无法直接应用于目标检测问题的模型结构自动搜索。
技术实现思路
根据本公开的示例实施例，提供了一种用于搜索模型结构的...
【技术保护点】
1.一种用于搜索模型结构的方法，包括：/n确定能够用于从图像中检测目标对象的模型结构搜索空间，所述模型结构搜索空间包括多个候选模型结构，其中每个候选模型结构指示将从图像得到的多个特征图融合成用于检测目标对象的输出特征图的融合方式，以及在所述融合中应用于所述多个特征图的相应操作；以及/n基于待检测目标对象的类型，在所述模型结构搜索空间中搜索适合用于从图像中检测所述待检测目标对象的模型结构。/n
【技术特征摘要】
1.一种用于搜索模型结构的方法，包括：
确定能够用于从图像中检测目标对象的模型结构搜索空间，所述模型结构搜索空间包括多个候选模型结构，其中每个候选模型结构指示将从图像得到的多个特征图融合成用于检测目标对象的输出特征图的融合方式，以及在所述融合中应用于所述多个特征图的相应操作；以及
基于待检测目标对象的类型，在所述模型结构搜索空间中搜索适合用于从图像中检测所述待检测目标对象的模型结构。
2.根据权利要求1所述的方法，其中所述待检测目标对象包括尺寸超过阈值尺寸的物体。
3.根据权利要求1所述的方法，其中所述待检测目标对象包括尺寸低于阈值尺寸的物体。
4.根据权利要求1所述的方法，其中在所述模型结构搜索空间中搜索所述模型结构包括：
从所述多个候选模型结构中选择第一组候选模型结构；
迭代地执行以下操作，直到迭代终止条件被满足：
确定所述第一组候选模型结构的性能指标；
响应于所述迭代终止条件未被满足，从所述第一组候选模型结构中确定性能指标最好的至少一个候选模型结构；以及
基于所述至少一个候选模型结构，从所述多个候选模型结构中选择第二组候选模型结构，以替换所述第一组候选模型结构；以及
响应于所述迭代终止条件被满足，将第一组候选模型结构中性能指标最好的候选模型结构确定为所述模型结构。
5.根据权利要求4所述的方法，其中所述迭代终止条件包括以下之一：
迭代次数达到阈值次数；或者
所述第一组候选模型结构的性能指标变化量低于阈值。
6.根据权利要求4所述的方法，其中确定所述第一组候选模型结构的性能指标包括：
针对所述第一组候选模型结构中的每个候选模型结构，
训练所述候选模型结构以得到用于从图像中检测所述待检测目标对象的模型；
利用所述模型从图像中检测所述待检测目标对象；以及
基于所述模型的检测结果，确定所述候选模型结构的性能指标。
7.根据权利要求4所述的方法，其中从所述多个候选模型结构中选择所述第二组候选模型结构包括：
从所述多个候选模型结构中选择与所述至少一个候选模型结构的相似度超过阈值相似度的所述第二组候选模型结构。
8.根据权利要求7所述的方法，其中所述第二组候选模型结构包括所述至少一个候选模型结构。
9.一种用于搜索模型结构的装置，包括：
搜索空间确定模块，被配置为确定能够用于从图像中检测目标对象的模型结构搜索空间，所述模型结构搜索空间包括多个候选模型结构，其中每个候选模型...
【专利技术属性】
技术研发人员：希滕，张刚，温圣召，
申请(专利权)人：北京百度网讯科技有限公司，
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。