【技术实现步骤摘要】
图像处理网络训练、图像处理、智能行驶的方法及装置
本公开涉及计算机技术、图像处理领域,具体而言,涉及一种图像处理网络训练的方法及装置、图像处理的方法及装置、智能行驶方法及装置。
技术介绍
动态网络能够仅仅使用一套共享的可训练参数的网络,同时满足在不同计算性能的硬件设备上运行的需求,这能够大大削减训练多套网络的成本。同时,在前向推理过程中,动态网络也能根据输入图像处理的难易程度来选择不同尺寸的网络,达到降低设备功耗的目的。但是,动态网络存在较多的缺陷,例如,动态网络的训练方法一般是基于样本图像和样本对应的处理结果的真值,对共享的网络参数进行整体训练,训练出的深度层次的参数的表达精确度较低,进而导致图像分类准确度较低。
技术实现思路
有鉴于此,本公开至少提供一种图像处理网络训练的方法及装置、图像处理的方法及装置、智能行驶方法及装置。第一方面,本公开提供了一种图像处理网络训练的方法,包括:利用待训练主神经网络对图像样本信息进行图像特征提取,得到所述待训练主神经网络的第一图像分类信息,并得 ...
【技术保护点】
1.一种图像处理网络训练的方法,其特征在于,包括:/n利用待训练主神经网络对图像样本信息进行图像特征提取,得到所述待训练主神经网络的第一图像分类信息,并得到每个待训练子神经网络的第二图像分类信息;其中,每个待训练子神经网络由所述待训练主神经网络中的部分网络层构成;/n基于所述第一图像分类信息与各个待训练子神经网络的第二图像分类信息之间的差异,调整所述待训练主神经网络中的网络参数。/n
【技术特征摘要】
1.一种图像处理网络训练的方法,其特征在于,包括:
利用待训练主神经网络对图像样本信息进行图像特征提取,得到所述待训练主神经网络的第一图像分类信息,并得到每个待训练子神经网络的第二图像分类信息;其中,每个待训练子神经网络由所述待训练主神经网络中的部分网络层构成;
基于所述第一图像分类信息与各个待训练子神经网络的第二图像分类信息之间的差异,调整所述待训练主神经网络中的网络参数。
2.根据权利要求1所述的方法,其特征在于,还包括:
获取所述图像样本信息的标准分类信息;
基于所述第一图像分类信息、各个待训练子神经网络的第二图像分类信息和所述标准分类信息调整所述待训练主神经网络中的网络参数。
3.根据权利要求1或2所述的方法,其特征在于,所述待训练主神经网络包括多个深度层次,每个深度层次分别包括多个神经网络模块;每个所述神经网络模块分别包括多个网络层;
所述方法还包括:
针对所述待训练主神经网络中的每个深度层次,确定该深度层次中的与下一级深度层次连接的神经网络模块为目标神经网络模块,并在所述目标神经网络模块的数量大于1时,将该深度层次中的最后一个目标神经网络模块与该深度层次的其他每个目标神经网络模块分别组合,得到至少一个网络模块对;
利用每个网络模块对中的两个目标神经网络模块输出的图像特征信息,调整所述待训练主神经网络中的网络参数。
4.一种图像处理的方法,其特征在于,包括:
获取待处理图像;
利用目标神经网络对所述待处理图像进行处理,得到图像处理结果;其中,所述目标神经网络为基于执行图像处理任务的设备的处理性能以及计算量需求,从根据权利要求1至3任一项所述方法训练得到的主神经网络以及子神经网络中选取的神经网络。
5.一种智能行驶方法,其特征在于,包括:
获取道路图像;
利用目标神经网络对所述道路图像进行处理,得到处理结果;其中,所述目标神经网络为基于执行智能行驶的设备的处理性能以及计算量需求,从根据权利要求1至3任一项所述方法训练得到的主神经网络以及子神经网络中选取的神经网络;
基于所述处理结果,控制获取所述道...
【专利技术属性】
技术研发人员:吕书畅,程光亮,石建萍,
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。