神经网络性能评估方法及装置、电子设备及存储介质制造方法及图纸

本申请公开了一种神经网络性能评估方法及装置、电子设备及存储介质。该方法包括：获取第一待评估神经网络；所述第一待评估神经网络包括第一批归一化层；依据所述第一批归一化层的至少一个第一参数，得到所述第一待评估神经网络的第一性能分数；所述第一性能分数与所述第一待评估神经网络输出的第一特征向量所携带的信息量呈正相关。带的信息量呈正相关。带的信息量呈正相关。

【技术实现步骤摘要】
神经网络性能评估方法及装置、电子设备及存储介质


[0001]本申请涉及机器学习
，尤其涉及一种神经网络性能评估方法及装置、电子设备及存储介质。

技术介绍

[0002]得益于强大的性能，近几年神经网络被广泛应用于图像处理领域，用以执行各种图像处理任务。例如，使用神经网络对执行图像分类任务，又例如，使用神经网络执行图像识别任务。由于结构不同的神经网络，性能也不相同。在执行相同的图像处理任务时，不同结构的神经网络所得到的处理结果的准确度不同。因此，如何评估神经网络的性能具有非常重要的意义。

技术实现思路

[0003]本申请提供一种神经网络性能评估方法及装置、电子设备及存储介质。
[0004]第一方面，提供了一种神经网络性能评估方法，所述方法包括：
[0005]获取第一待评估神经网络；所述第一待评估神经网络包括第一批归一化层；
[0006]依据所述第一批归一化层的至少一个第一参数，得到所述第一待评估神经网络的第一性能分数；所述第一性能分数与所述第一待评估神经网络输出的第一特征向量所携带的信息量呈正相关。...

【技术保护点】

【技术特征摘要】
1.一种神经网络性能评估方法，其特征在于，所述方法包括：获取第一待评估神经网络；所述第一待评估神经网络包括第一批归一化层；依据所述第一批归一化层的至少一个第一参数，得到所述第一待评估神经网络的第一性能分数；所述第一性能分数与所述第一待评估神经网络输出的第一特征向量所携带的信息量呈正相关。2.根据权利要求1所述的方法，其特征在于，所述第一待评估神经网络的输入包括待处理图像；所述第一特征向量所携带的信息包括所述待处理图像的语义信息。3.根据权利要求2所述的方法，其特征在于，所述待处理图像包括待检测对象，所述待处理图像的语义信息包括所述待检测对象的语义信息；或，所述待处理图像包括待识别对象，所述待处理图像的语义信息包括所述待识别对象的语义信息。4.根据权利要求1至3中任意一项所述的方法，其特征在于，所述第一批归一化层为所述第一待评估神经网络中的最后一层。5.根据权利要求1所述的方法，其特征在于，所述依据所述第一批归一化层的至少一个第一参数，得到所述第一待评估神经网络的第一性能分数，包括：对所述至少一个第一参数进行目标处理，得到至少一个第二参数；所述目标处理包括：计算绝对值或计算偶次幂；依据所述至少一个第二参数，得到所述第一性能分数。6.根据权利要求5所述的方法，其特征在于，所述依据所述至少一个第二参数，得到所述第一性能分数，包括：依据所述至少一个第二参数的均值，得到所述第一性能分数。7.根据权利要求6所述的方法，其特征在于，所述第一待评估神经网络包括第一神经网络模块和第二神经网络模块；所述第一神经网络模块与所述第二神经网络模块以串联的形式连接，且所述第一神经网络模块的最后一层为所述第一批归一化层；所述第二神经网络模块包括第二批归一化层；所述依据所述至少一个第二参数的均值，得到所述第一性能分数之前，所述方法还包括：依据所述第二批归一化层的至少一个第三参数，得到所述第二神经网络模块的第二性能分数；所述依据所述至少一个第二参数的均值，得到所述第一性能分数，包括：计算所述至少一个第二参数的均值，得到所述第一神经网络模块的第三性能分数；依据所述第二性能分数和所述第三性能分数，得到所述第一性能分数。8.根据权利要求7所述的方法，其特征在于，所述依据所述第二批归一化层的至少一个第三参数，得到所述第二神经网络模块的第二性能分数，包括：对所述至少一个第三参数进行所述目标处理，得到至少一个第四参数；依据所述至少一个第四参数，得到所述第二性能分数。9.根据权利要求7或8所述的方法，其特征在于，所述第二批归一化层为所述第二神经网络模块的最后一层。10.根据权利要求7至9中任意一项所述的方法，其特征在于，所述依据所述第二性能分
数和所述第三性能分数，得到所述第一性能分数，包括：计算所述第二性能分数与所述第三性能分数的和，得到所述第一性能分数。11.根据权利要求7至10中任意一项所述的方法，其特征在于，所述方法还包括：获取第二待评估神经网络；所述第二待评估神经网络包括第三神经网络模块和第四神经网络模块；所述第三神经网络模块与所述第四神经网络模块以串联的形式连接；所述第三神经网络模块包括第三批归一化层，所述第四神经网络模块包括第四批归一化层；依据所述第三批归一化层中的至少一个第五参数和所述第四批归一化层中的至少一个第六参数，得到所述第二待评估神经网络的第四性能分数；所述第四性能分数与所述第二待评估神经网络输出的第二特征向量所携带的信息量呈正相关；依据所述第一性能分数和所述第四性能分数的大小关系，确定所述第一待评估神经网络和所述第二待评估神经网络的性能排名。12.根据权利要求11所述的方法，其特征在于，所述依据所述第三批归一化层中的至少一个第五参数和所述第四批归一化层中的至少一个第六参数，得到所述第二待评估神经网络...

【专利技术属性】
技术研发人员：陈博宇，李楚鸣，孙明，
申请(专利权)人：商汤集团有限公司，
类型：发明
国别省市：