网络训练及设备的控制方法、装置、设备及存储介质制造方法及图纸

本公开提供了一种网络训练方法、设备的控制方法、装置、电子设备及存储介质，该方法包括：确定待训练的目标网络以及待训练的目标网络的期望性能信息；基于待训练的目标网络的期望性能信息，从训练数据库中确定多张携带有标注信息的训练图像样本，构成训练图像样本集合；基于训练图像样本集合对待训练的目标网络进行训练，并对训练后的中间网络进行测试，根据测试结果对训练图像样本集合进行调整，重复训练、测试和对所述训练图像样本集合进行调整的步骤，直至符合预设条件。本公开实施例，根据待训练网络的期望性能自动确定训练图像样本集合，并且可以基于测试结果自动调整训练图像样本集合，有利于节约人力成本以及提升目标网络的训练效率。络的训练效率。络的训练效率。

【技术实现步骤摘要】
网络训练及设备的控制方法、装置、设备及存储介质


[0001]本公开涉及计算机视觉
，具体而言，涉及一种网络训练方法、智能行驶设备的控制方法、装置、电子设备以及计算机可读存储介质。

技术介绍

[0002]目前，网络模型已经在多个领域(例如，自动驾驶领域)中得到应用，在网络模型的构建过程中，经常会对待训练的网络模型进行训练，进而利用训练好的网络模型完成工作任务。
[0003]在现有的网络模型的训练过程中，为了提高网络模型的精度，通常会采用手动切换数据集或向数据集中添加数据的方法，然而，此种方法不仅影响网络模型的开发进度，还占用大量的人力和时间成本。

技术实现思路

[0004]本公开实施例提供了一种网络训练方法，包括：
[0005]确定待训练的目标网络以及所述待训练的目标网络的期望性能信息；
[0006]基于所述待训练的目标网络的期望性能信息，从训练数据库中确定多张携带有标注信息的训练图像样本，构成训练图像样本集合；所述期望性能信息与所述训练图像样本集合中的不同标注类别的训练图像样本数量相关；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络训练方法，其特征在于，包括：确定待训练的目标网络以及所述待训练的目标网络的期望性能信息；基于所述待训练的目标网络的期望性能信息，从训练数据库中确定多张携带有标注信息的训练图像样本，构成训练图像样本集合；所述期望性能信息与所述训练图像样本集合中的不同标注类别的训练图像样本数量相关；基于所述训练图像样本集合对所述待训练的目标网络进行训练，并对训练后的中间网络进行测试，根据测试结果对所述训练图像样本集合进行调整，重复训练、测试和对所述训练图像样本集合进行调整的步骤，直至符合预设条件。2.根据权利要求1所述的方法，其特征在于，基于所述训练图像样本集合对所述待训练的目标网络进行训练，并对训练后的中间网络进行测试，根据测试结果对所述训练图像样本集合进行调整，重复训练、测试和对所述训练图像样本集合进行调整的步骤，直至符合预设条件，包括：基于所述训练图像样本集合对所述待训练的目标网络进行训练，得到中间网络；对所述中间网络进行测试，得到测试结果；基于所述测试结果，从所述训练数据库中重新确定所述训练图像样本集合；利用重新确定的训练图像样本集合对测试后的中间网络进行训练，并对训练后的中间网络进行测试，以及基于测试结果再次从所述训练数据库中重新确定所述训练图像样本集合，直至符合预设条件，得到训练好的目标网络。3.根据权利要求2所述的方法，其特征在于，所述得到训练好的目标网络，包括：基于各个中间网络对应的测试结果，确定所述训练好的目标网络。4.根据权利要求1所述的方法，其特征在于，所述符合预设条件是指当前测试结果与前一轮测试结果的变化趋势符合预设要求；或者，对所述待训练的目标网络的训练总次数到达预设训练次数。5.根据权利要求1所述的方法，其特征在于，所述图像样本的标注信息是从多个维度进行标注得到的。6.根据权利要求2所述的方法，其特征在于，所述对所述中间网络进行测试，得到测试结果，包括：从测试数据库中确定测试图像样本集合，其中，所述测试图像样本集合包含具有标注信息的第一图像样本，以及不具有标注信息的第二图像样本，所述第一图像样本的标注信息用于与将所述第一图像样本输入所述中间网络得到的检测结果进行比对；基于所述测试图像样本集合，对所述中间网络进行测试，得到测试结果。7.根据权利要求6所述的方法，其特征在于...

【专利技术属性】
技术研发人员：陈钰玲，程光亮，
申请(专利权)人：上海商汤临港智能科技有限公司，
类型：发明
国别省市：