【技术实现步骤摘要】
【国外来华专利技术】用于密集图像预测任务的神经架构搜索
技术介绍
本说明书涉及确定执行图像处理任务的神经网络的架构。神经网络是机器学习模型,其使用一层或多层非线性单元来预测针对接收到的输入的输出。一些神经网络除输出层外还包括一个或多个隐藏层。每个隐藏层的输出用作网络中下一个层(即,下一个隐藏层或输出层)的输入。网络的每一层根据相应参数集的当前值从接收到的输入生成输出。
技术实现思路
本说明书描述一种被实现为在一个或多个位置的一个或多个计算机上的计算机程序的系统,该系统确定神经网络的架构,该神经网络被配置为执行密集图像预测任务。通常,密集图像预测任务是需要对输入图像中的大量像素中的每个像素进行相应预测的任务。许多密集图像预测任务需要指配标签或以其他方式对图像的每个像素进行预测。因此,密集图像预测任务通常需要神经网络以对高分辨率图像进行操作。为了确定架构,系统获取用于密集图像预测任务的训练数据。然后,系统使用训练数据确定神经网络的架构,该神经网络被配置为执行密集图像预测任务,即,接收输入并生成符合密集预测任务要求的输出。具体地,该系统使用训练数据搜索候选架构的空间以识别一个或多个性能最佳的架构。候选架构的空间中的每个候选架构包括(i)相同的第一神经网络主干,该第一神经网络主干被配置为接收输入图像并处理该输入图像以生成多个特征图,以及(ii)不同的密集预测单元,该密集预测单元被配置为处理多个特征图并生成用于密集图像预测任务的输出。因此,每个候选架构包括与每个其他候选架构相同的神经网络主干,但是具有与每个其他候选架构不同的 ...
【技术保护点】
1.一种方法,包括:/n获得用于密集图像预测任务的训练数据;以及/n确定被配置为执行所述密集图像预测任务的神经网络的架构,包括:/n使用所述训练数据搜索候选架构的空间以识别一个或多个性能最佳的架构,其中所述候选架构的空间中的每个候选架构包括:(i)相同的第一神经网络主干,所述第一神经网络主干被配置为接收输入图像并处理所述输入图像以生成多个特征图,以及(ii)不同的密集预测单元,所述密集预测单元被配置为处理所述多个特征图并生成用于所述密集图像预测任务的输出;以及/n基于所述性能最佳的候选架构来确定所述神经网络的所述架构。/n
【技术特征摘要】
【国外来华专利技术】20180529 GR 201801002321.一种方法,包括:
获得用于密集图像预测任务的训练数据;以及
确定被配置为执行所述密集图像预测任务的神经网络的架构,包括:
使用所述训练数据搜索候选架构的空间以识别一个或多个性能最佳的架构,其中所述候选架构的空间中的每个候选架构包括:(i)相同的第一神经网络主干,所述第一神经网络主干被配置为接收输入图像并处理所述输入图像以生成多个特征图,以及(ii)不同的密集预测单元,所述密集预测单元被配置为处理所述多个特征图并生成用于所述密集图像预测任务的输出;以及
基于所述性能最佳的候选架构来确定所述神经网络的所述架构。
2.根据权利要求1所述的方法,其中,使用所述训练数据搜索所述候选架构的空间以识别一个或多个性能最佳的架构包括重复执行以下步骤:
选择一个或多个候选架构,
在所述训练数据的至少一部分上训练所选择的一个或多个候选架构,以及
对于已训练的候选架构中的每一个,在所述密集图像预测任务上评估所述已训练的候选架构的性能。
3.根据权利要求2所述的方法,其中,训练所选择的一个或多个候选架构包括:以固定数量的迭代而不是为了收敛来训练每个所选择的候选架构。
4.根据权利要求2或3中任一项所述的方法,进一步包括:
预训练所述第一神经网络主干以确定所述第一神经网络主干的参数的预训练值;并且
其中,在所述训练数据的至少一部分上训练所选择的一个或多个候选架构包括:在所述训练期间保持所述第一神经网络主干的参数的值固定,同时调整所述候选架构中的不同的所述密集预测单元的参数的值。
5.根据权利要求4所述的方法,进一步包括:
在搜索所述候选架构的空间之前,使用预训练的第一神经网络主干处理所述训练数据中的训练输入中的至少一些训练输入,以生成用于所述训练输入的特征图,并存储所生成的特征图;并且
其中,在所述训练数据的至少一部分上训练所选择的一个或多个候选架构包括:将存储的生成的特征图作为输入提供给所述密集预测单元,而不是在所述训练期间使用所述预训练的第一神经网络处理所述训练输入。
6.根据权利要求2-5中的任一项所述的方法,其中,选择一个或多个候选架构包括:
使用随机搜索策略选择所述一个或多个候选架构。
7.根据权利要求2-6中的任一项所述的方法,其中,基于所述性能最佳的候选架构来确定所述神经网络的所述架构包括:
对于所述一个或多个性能最佳的候选架构中的每一个,生成最终...
【专利技术属性】
技术研发人员:巴雷特·佐福,乔纳森·什连斯,朱玉琨,麦克斯维尔·唐纳德·埃米特·柯林斯,陈良杰,亚当·哈特维格,乔治斯·帕潘德里欧,
申请(专利权)人:谷歌有限责任公司,
类型:发明
国别省市:美国;US
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。