基于动态调度策略的图像预测方法、装置、设备及介质制造方法及图纸

本申请涉及深度学习和计算机视觉领域，提供一种基于动态调度策略的图像预测方法、装置、设备及介质，该方法包括：接收待预测图像，并通过动态调度策略网络对待预测图像进行处理，输出待预测图像的预设维度向量值；确定预设维度向量值中的目标向量值，并根据目标向量值确定目标预测网络；通过目标预测网络对待预测图像进行图像预测，得到待预测图像的最终预测结果。本申请实施例提供的基于动态调度策略的图像预测方法通过动态调度策略网络根据待预测图像抽取出的特征，选取准确的目标预测网络，再通过准确的目标预测网络对待预测图像进行预测，提升了最终预测结果的准确性，从而提升了对各类图像集的预测精度。升了对各类图像集的预测精度。升了对各类图像集的预测精度。

【技术实现步骤摘要】
基于动态调度策略的图像预测方法、装置、设备及介质


[0001]本申请涉及深度学习和计算机视觉领域，尤其涉及一种基于动态调度策略的图像预测方法、装置、设备及介质。

技术介绍

[0002]目前在AI视觉领域如目标检测应用中，主要靠单个算法模型的性能来决定网络预测精度，流行的算法模型包括RetinaNet算法模型、YOLO系列算法模型、SSD算法模型、Cascade
‑
RCNN算法模型和Faster
‑
RCNN算法算法。上述算法模型的缺点分别为：Faster
‑
RCNN算法模型难以排除假阳性样本，SSD算法模型在检测小物体目标上表现较差，YOLO系列算法模型在物体定位时更容易出错，RetinaNet算法模型和Cascade
‑
RCNN算法模型在不同数据集上对比其他算法模型的召回率和准确率不总是占优。
[0003]综上分析可知，目前在AI视觉领域如目标检测应用中，依靠优化单个模型性能提升预测精度易受原有模型固有缺限限制，即对各类图像集的预测精度不够高。

技术实现思路

[0004]本申请提供一种基于动态调度策略的图像预测方法、装置、设备及介质，旨在提升对各类图像集的预测精度。
[0005]第一方面，本申请提供一种基于动态调度策略的图像预测方法，包括：
[0006]接收待预测图像，并通过动态调度策略网络对所述待预测图像进行处理，输出所述待预测图像的预设维度向量值；
[0007]确定所述预设维度向量值中的目标向量值，并根据所述目标向量值确定目标预测网络；
[0008]通过所述目标预测网络对所述待预测图像进行图像预测，得到所述待预测图像的最终预测结果。
[0009]在一个实施例中，所述确定所述预设维度向量值中的目标向量值，包括：
[0010]将所述预设维度向量值中的各个向量值进行数值大小比较，得到向量值比较结果；
[0011]将所述向量值比较结果中数值最大的向量值，确定为所述预设维度向量值中的目标向量值。
[0012]所述根据所述目标向量值确定目标预测网络，包括：
[0013]确定所述目标向量值的向量编码，并根据所述向量编码确定目标异构网络；
[0014]将所述目标异构网络确定为所述目标预测网络。
[0015]所述通过动态调度策略网络对所述待预测图像进行处理，输出所述待预测图像的预设维度向量值，包括：
[0016]通过所述动态调度策略网络对所述待预测图像进行处理，输出所述待预测图像的各个概率值；
[0017]将所述待预测图像的各个概率值，确定为所述待预测图像的预设维度向量值。
[0018]所述接收待预测图像，并通过动态调度策略网络对所述待预测图像进行处理，输出所述待预测图像的预设维度向量值之前，还包括：
[0019]通过各个异构网络对训练图像集中的各张训练图像进行预测，得到所述各张训练图像的各个第一测量标准值；
[0020]基于所述各张训练图像的各个第一测量标准值，对动态调度策略网络进行第一次训练，得到第一次训练后的动态调度策略网络；
[0021]通过各个所述异构网络对测试图像集中的各张测试图像进行预测，得到所述各张测试图像的各个第二测量标准值；
[0022]基于所述各张测试图像的各个第二测量标准值，对所述第一次训练后的动态调度策略网络进行第二次训练，得到训练好的动态调度策略网络。
[0023]所述基于所述各张训练图像的各个第一测量标准值，对动态调度策略网络进行第一次训练，得到第一次训练后的动态调度策略网络，包括：
[0024]确定所述各张训练图像的各个第一测量标准值中最大的第一目标测量标准值，并根据各个所述第一目标测量标准值确定各个第一异构网络编号；
[0025]根据所述各张训练图像及其第一异构网络编号，确定各个第一目标二元组，并以各个所述第一目标二元组为训练数据，对动态调度策略网络进行第一次训练，得到第一次训练后的动态调度策略网络。
[0026]所述基于所述各张测试图像的各个第二测量标准值，对所述第一次训练后的动态调度策略网络进行第二次训练，得到训练好的动态调度策略网络，包括：
[0027]确定所述各张测试图像的各个第二测量标准值中最大的第二目标测量标准值，并根据各个所述第二目标测量标准值确定各个第二异构网络编号；
[0028]根据所述各张测试图像及其第二异构网络编号，确定各个第二目标二元组，并以各个所述第二目标二元组为训练数据，对所述第一次训练后的动态调度策略网络进行第二次训练，得到所述训练好的动态调度策略网络。
[0029]第二方面，本申请还提供一种基于动态调度策略的图像预测装置包括：
[0030]接收处理模块，用于接收待预测图像，通过动态调度策略网络对所述待预测图像进行处理，输出所述待预测图像的预设维度向量值；
[0031]确定模块，用于确定所述预设维度向量值中的目标向量值，并根据所述目标向量值确定目标预测网络；
[0032]图像预测模块，用于通过所述目标预测网络对所述待预测图像进行图像预测，得到所述待预测图像的最终预测结果。
[0033]第三方面，本申请还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述基于动态调度策略的图像预测方法。
[0034]第四方面，本申请还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括计算机程序，所述计算机程序被所述处理器执行时实现第一方面所述基于动态调度策略的图像预测方法。
[0035]第五方面，本申请还提供一种计算机程序产品，所述计算机程序产品包括计算机
程序，所述计算机程序被所述处理器执行时实现第一方面所述基于动态调度策略的图像预测方法。
[0036]本申请提供的基于动态调度策略的图像预测方法、装置、设备及介质，在图像预测的过程中，通过动态调度策略网络根据待预测图像抽取出的特征，选取准确的目标预测网络，再通过准确的目标预测网络对待预测图像进行预测，提升了最终预测结果的准确性，从而提升了对各类图像集的预测精度。
附图说明
[0037]为了更清楚地说明本申请的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0038]图1是本申请提供的基于动态调度策略的图像预测方法流程图；
[0039]图2是本申请提供的基于动态调度策略的图像预测装置结构图；
[0040]图3是本申请提供的电子设备的结构示意图。
具体实施方式
[0041]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态调度策略的图像预测方法，其特征在于，包括：接收待预测图像，并通过动态调度策略网络对所述待预测图像进行处理，输出所述待预测图像的预设维度向量值；确定所述预设维度向量值中的目标向量值，并根据所述目标向量值确定目标预测网络；通过所述目标预测网络对所述待预测图像进行图像预测，得到所述待预测图像的最终预测结果。2.根据权利要求1所述的基于动态调度策略的图像预测方法，其特征在于，所述确定所述预设维度向量值中的目标向量值，包括：将所述预设维度向量值中的各个向量值进行数值大小比较，得到向量值比较结果；将所述向量值比较结果中数值最大的向量值，确定为所述预设维度向量值中的目标向量值。3.根据权利要求1所述的基于动态调度策略的图像预测方法，其特征在于，所述根据所述目标向量值确定目标预测网络，包括：确定所述目标向量值的向量编码，并根据所述向量编码确定目标异构网络；将所述目标异构网络确定为所述目标预测网络。4.根据权利要求1所述的基于动态调度策略的图像预测方法，其特征在于，所述通过动态调度策略网络对所述待预测图像进行处理，输出所述待预测图像的预设维度向量值，包括：通过所述动态调度策略网络对所述待预测图像进行处理，输出所述待预测图像的各个概率值；将所述待预测图像的各个概率值，确定为所述待预测图像的预设维度向量值。5.根据权利要求1至4任一项所述的基于动态调度策略的图像预测方法，其特征在于，所述接收待预测图像，并通过动态调度策略网络对所述待预测图像进行处理，输出所述待预测图像的预设维度向量值之前，还包括：通过各个异构网络对训练图像集中的各张训练图像进行预测，得到所述各张训练图像的各个第一测量标准值；基于所述各张训练图像的各个第一测量标准值，对动态调度策略网络进行第一次训练，得到第一次训练后的动态调度策略网络；通过各个所述异构网络对测试图像集中的各张测试图像进行预测，得到所述各张测试图像的各个第二测量标准值；基于所述各张测试图像的各个第二测量标准值，对所述第一次训练后的动态调度策略网络进行第二次训练，得到训练好的动态调度策略网络。6.根据权利要求5所...

【专利技术属性】
技术研发人员：白洋，李维娜，路洋，刘松涛，陈宇，孙中原，王志，崔小丽，潘琳，刘春华，高桐，张相文，隋鹏，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：