【技术实现步骤摘要】
一种模型的处理方法以及相关设备
[0001]本申请涉及计算机软件领域,尤其涉及一种模型的处理方法以及相关设备。
技术介绍
[0002]目前,许多计算机视觉、图形学或其他领域的问题都可以通过建模的方式来解决,例如在解决视觉定位、图像融合、三维重建、光流计算或曲线拟合等应用场景中的问题时,都可以通过建立模型,并求解该模型的方式来解决。
[0003]但由于随着时代的发展,模型中自变量的数量不断增加,在目前的求解方式中,是将整个待求解的模型作为输入,容易产生内存资源无法支持求解的问题。
技术实现思路
[0004]本申请实施例提供了一种模型的处理方法以及相关设备,将包括大量自变量的第一模型的求解问题进行了分割,在求解一个子问题的时候就无需占用过多的内存资源;此外,采用随机分割的方式对图结构进行分割,实现方式简单,从而保证了分割过程的效率;此外,将包括大量自变量的第一模型的求解问题分割为几个包括较少自变量的子模型的求解问题,有利于执行并行化求解,有利于提高求解过程的效率。
[0005]为解决上述技术问题,本申请实施例提供以下技术方案:
[0006]第一方面,本申请实施例提供一种模型的处理方法,可用于模型求解领域中,用于执行该方法的模型的处理装置可以为服务器集群,也可以为独立的服务器中,还可以为终端设备中。方法包括:模型的处理装置获取与第一模型对应的图结构,其中,第一模型包括多个第一函数,与第一模型对应有多个第一自变量,图结构包括节点和多个节点之间的边,图结构中的节点与第一自变量一一对应,也 ...
【技术保护点】
【技术特征摘要】
1.一种模型的处理方法,其特征在于,所述方法包括:获取与第一模型对应的图结构,其中,所述第一模型包括多个第一函数,所述第一模型包括多个第一自变量,所述图结构包括多个节点和所述多个节点之间的边,所述图结构中的节点对应所述第一自变量,所述图结构中多个节点之间的边为根据所述多个第一函数确定的;对所述图结构进行随机分割,以得到至少两个第一集合,每个第一集合包括至少一个第一自变量;采用列文伯格
‑
马夸尔特LM算法,对所述每个第一集合中的第一自变量的取值进行更新;重复执行所述随机分割的操作和所述对所述每个第一集合中的第一自变量的取值进行更新的操作,直至满足所述第一模型的收敛条件,得到所述第一模型中多个第一自变量的解。2.根据权利要求1所述的方法,其特征在于,所述图结构中的每个边均对应两个节点,一个节点代表所述第一模型中的一个第一自变量;所述对所述图结构进行随机分割,以得到至少两个第一集合,包括:对所述图结构的多个边进行随机排序,得到按照第一顺序排列的多个边,并按照所述第一顺序从所述多个边中获取第一边,所述第一边为所述图结构的多个边中的一个边;在与所述第一边对应的两个第一自变量均未配对的情况下,将与所述第一边对应的两个第一自变量配对以得到一个第一子集合;对与所述图结构对应的多个第一子集合执行合并操作,以得到至少两个第一集合。3.根据权利要求2所述的方法,其特征在于,所述对与所述图结构对应的多个第一子集合进行合并操作,包括:根据所述图结构中多个节点之间的边,获取与所述多个第一子集合对应的关联度信息,其中,所述关联度信息指示所述多个第一子集合中各个第一子集合之间的关联度,所述关联度信息包括第二子集合和第三子集合之间的第一关联度,所述第二子集合和所述第三子集合均为所述多个第一子集合中任意两个不同的子集合,所述第一关联度为基于所述第二子集合中的自变量与所述第三子集合中的自变量之间的关联度确定的,两个节点之间的边越多,则节点指向的自变量之间的关联度越高;根据所述与所述多个第一子集合对应的关联度信息,对与所述图结构对应的多个第一子集合进行合并操作,两个第一子集合之间的关联度越高,两个第一子集合进行合并的概率越大。4.根据权利要求2所述的方法,其特征在于,所述对与所述图结构对应的多个第一子集合执行合并操作,以得到所述至少两个第一集合之后,所述方法还包括:若与第二边对应的两个第一自变量存在于两个不同的第一集合中,从所述两个不同的第一集合中去除与所述第二边对应的两个第一自变量,并将与所述第二边对应的两个第一自变量分别确定为两个孤立的第一自变量,所述第二边为所述图结构的多个边中的任意一个边;所述采用列文伯格
‑
马夸尔特LM算法,对所述每个第一集合中的第一自变量的取值进行更新,包括:
采用列文伯格
‑
马夸尔特LM算法,对所述每个第一集合中的第一自变量以及所述孤立的第一自变量的取值进行更新;所述重复执行所述随机分割的操作和所述对所述每个第一集合中的第一自变量的取值进行更新的操作,包括:重复执行所述随机分割的操作和所述对所述每个第一集合中的第一自变量以及所述孤立的第一自变量的取值进行更新的操作。5.根据权利要求1至4任一项所述的方法,其特征在于,所述采用列文伯格
‑
马夸尔特LM算法,对所述每个第一集合中的第一自变量的取值进行更新,包括:获取与所述第一集合中的第一自变量对应的第二函数,所述第二函数为基于第一模型包括的多个第一函数确定的;根据列文伯格
‑
马夸尔特LM算法,根据所述第一集合中的每个第一自变量的第一取值和所述第二函数,计算得到所述第二函数的函数值,所述第一取值为第一自变量更新前的取值;根据列文伯格
‑
马夸尔特LM算法,计算与所述第二函数对应的雅克比矩阵,所述雅克比矩阵包括第一标量对第二自变量的导数,所述第一标量为与所述第一集合中的第一自变量对应的所有第二函数的取值的和,所述第二自变量为组成所述第二函数的自变量,不同的第二自变量在所述第二函数中的位置不同,不同的第一自变量的标识不同;根据列文伯格
‑
马夸尔特LM算法,根据所述第一集合中的每个第一自变量的第一取值、所述第二函数的函数值和所述雅克比矩阵,生成所述第一集合中的第一自变量的第二取值,所述第二取值为更新后的取值。6.根据权利要求5所述的方法,其特征在于,所述第一模型的收敛条件为所述第一模型的取值小于第一阈值,或者,所述第二取值与所述第一取值之间的差值小于第二阈值。7.根据权利要求1至4任一项所述的方法,其特征在于,所述第一模型为最小二乘模型,所述第一模型用于以下多种中的任一种应用场景中:三维建模、图片融合、人脸重建网格变形。8.一种模型的处理装置,其特征在于,所述装置包括:获取模块,用于获取与第一模型对应的图结构,其中,所述第一模型包括多个第一函数,...
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。