一种数据处理方法、神经网络及相关设备技术

本申请实施例公开了一种数据处理方法，可以应用于源域模型在目标域任务下的适配场景，例如，目标域任务为语义分割任务或分类任务等。在该方法中，获取目标域数据；通过源域模型获取目标域数据的第一语义特征；获取目标域数据的第一提示特征，第一提示特征用于描述有利于目标域任务的知识特征；基于第一提示特征更新第一语义特征以得到第二语义特征；基于源域模型与第二语义特征获取目标域数据的处理结果。通过目标域任务的先验知识编码特征更新目标域数据的第一语义特征，将利于下游任务的先验知识编码为提示特征，并通过特征交互的方式将先验知识注入样本的第一语义特征中，从而增强更新后的第二语义特征对源域模型的适配性。

【技术实现步骤摘要】

本申请实施例涉及人工智能领域，尤其涉及一种数据处理方法、神经网络及相关设备。

技术介绍

1、人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能领域的研究包括机器人，自然语言处理，计算机视觉，决策与推理，人机交互，推荐与搜索，ai基础理论等。

2、语义分割是一种将类别标签与图像的每个像素关联的计算机视觉任务。语义分割技术的成功应用需要大规模精细标注的数据集训练模型，但是标注数据的过程难度大、成本高。不仅如此，大部分语义分割算法对不同于训练条件的应用场景(如：不同城市或天气等场景)的泛化性差。

3、目前，常常使用源域模型和目标域无标注数据提升模型对目标域的泛化性。然而，随着源域本文档来自技高网...

【技术保护点】

1.一种数据处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述第一提示特征为多尺度特征或者学习变量集合，所述多尺度特征用于表示所述目标域数据的不同尺寸的特征表示，所述学习变量集合用于表示目标域数据集的共享知识。

3.根据权利要求1所述的方法，其特征在于，所述获取所述目标域数据的第一提示特征，包括：

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于所述第一提示特征更新所述第一语义特征以得到第二语义特征，包括：

5.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于所述第一提示特征更新所述...

【技术特征摘要】

1.一种数据处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述第一提示特征为多尺度特征或者学习变量集合，所述多尺度特征用于表示所述目标域数据的不同尺寸的特征表示，所述学习变量集合用于表示目标域数据集的共享知识。

3.根据权利要求1所述的方法，其特征在于，所述获取所述目标域数据的第一提示特征，包括：

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于所述第一提示特征更新所述第一语义特征以得到第二语义特征，包括：

5.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于所述第一提示特征更新所述第一语义特征以得到第二语义特征，包括：

6.根据权利要求5所述的方法，其特征在于，所述基于注意力机制与所述第一提示特征更新所述第一语义特征以得到第二语义特征，包括：

7.根据权利要求6所述的方法，其特征在于，所述将所述第一提示特征作为所述注意力机制中的q矩阵，所述第一语义特征作为k矩阵与v矩阵更新所述第一提示特征，包括：

8.根据权利要求6或7所述的方法，其特征在于，所述基于所述第三语义特征获取所述第二语义特征，包括：

9.根据权利要求6或7所述的方法，其特征在于，所述基于所述第三语义特征获取所述第二语义特征，包括：

10.根据权利要求1至9中任一项所述的方法，其特征在于，所述方法应用于目标域模型，所述目标域模型包括所述源域模型；

11.根据权利要求10所述的方法，其特征在于，所述基于所述增广数据更新所述第一伪标签，包括：

12.根据权利要求10或11所述的方法，其特征在于，所述方法还包括：

13.根据权利要求10至12中任一项所述的方法，其特征在于，所述目标域模型包括源域模型与提示适配器，所述源域模型包括骨干网络与分割头；

14.根据权利要求1至13中任一项所述的方法，其特征在于，所述方法应用于语...

【专利技术属性】
技术研发人员：马昕宏，王一鸣，刘浩，郭天宇，王云鹤，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：