CN117217982A - 一种视觉任务处理方法及其相关设备 - Google Patents
一种视觉任务处理方法及其相关设备 Download PDFInfo
- Publication number
- CN117217982A CN117217982A CN202210612484.XA CN202210612484A CN117217982A CN 117217982 A CN117217982 A CN 117217982A CN 202210612484 A CN202210612484 A CN 202210612484A CN 117217982 A CN117217982 A CN 117217982A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- processed
- feature
- layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 121
- 238000003672 processing method Methods 0.000 title abstract description 23
- 230000009466 transformation Effects 0.000 claims abstract description 278
- 238000012545 processing Methods 0.000 claims abstract description 193
- 238000000034 method Methods 0.000 claims abstract description 128
- 238000013528 artificial neural network Methods 0.000 claims abstract description 114
- 239000013598 vector Substances 0.000 claims description 133
- 238000010606 normalization Methods 0.000 claims description 93
- 230000015654 memory Effects 0.000 claims description 80
- 230000002776 aggregation Effects 0.000 claims description 74
- 238000004220 aggregation Methods 0.000 claims description 74
- 230000006870 function Effects 0.000 claims description 70
- 238000012549 training Methods 0.000 claims description 70
- 230000004913 activation Effects 0.000 claims description 47
- 238000001514 detection method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 53
- 230000009286 beneficial effect Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 31
- 239000011159 matrix material Substances 0.000 description 26
- 238000004364 calculation method Methods 0.000 description 21
- 238000007781 pre-processing Methods 0.000 description 18
- 238000013473 artificial intelligence Methods 0.000 description 14
- 230000004927 fusion Effects 0.000 description 10
- 238000003062 neural network model Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000002829 reductive effect Effects 0.000 description 9
- 230000001537 neural effect Effects 0.000 description 8
- 238000013500 data storage Methods 0.000 description 7
- MHABMANUFPZXEB-UHFFFAOYSA-N O-demethyl-aloesaponarin I Natural products O=C1C2=CC=CC(O)=C2C(=O)C2=C1C=C(O)C(C(O)=O)=C2C MHABMANUFPZXEB-UHFFFAOYSA-N 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 239000000872 buffer Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000013145 classification model Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011022 operating instruction Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000009394 selective breeding Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种视觉任务处理方法及其相关设备,可通过目标模型对待处理图像进行处理,目标模型最终输出的特征可保持多样性,有利于提高针对待处理图像的视觉任务的处理精度。本申请的方法包括:获取待处理图像;通过目标模型对待处理图像进行处理,得到待处理图像的特征,目标模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络,第二模块至少用于实现特征变换;基于待处理图像的特征,完成针对待处理图像的视觉任务。
Description
技术领域
本申请实施例涉及人工智能(artificial intelligence,AI)技术领域,尤其涉及一种视觉任务处理方法及其相关设备。
背景技术
随着计算机技术的飞速发展,图神经网络被广泛用于处理各类计算机视觉任务,例如,人脸识别领域中的图像分类,视频监控领域中的目标检测以及自动驾驶领域中的语义分割等各种领域中的视觉任务。
目前,当需要处理针对待处理图像的视觉任务时,可将待处理图像输入至图神经网络进行处理,从而得到待处理图像的特征,进而基于待处理图像的特征完成针对待处理图像的视觉任务。
上述过程中,待处理图像是以图结构的方式输入到图神经网络中的,该图结构包含多个节点,即待处理图像的多个像素点。图神经网络在对该图结构进行处理的过程中,会不断地进行节点之间的特征聚合,使得相邻节点的特征会越来越相似,导致图神经网络最终输出的多个节点的特征过于相似,其多样性丢失,影响视觉任务的处理精度。
发明内容
本申请实施例提供了一种视觉任务处理方法及其相关设备,可通过目标模型对待处理图像进行处理,目标模型最终输出的特征可保持多样性,有利于提高针对待处理图像的视觉任务的处理精度。
本申请实施例的第一方面提供了一种视觉任务处理方法,该方法包括:
当需要处理针对某个待处理图像的视觉任务时,可先获取待处理图像,待处理图像既可以是某个视频流中的一帧图像,也可以是独立的一个图像等等。
得到待处理图像后,可将待处理图像输入至目标模型(即已训练好的神经网络模型),以通过目标模型对待处理图像进行处理,得到待处理图像的特征(也可以称为待处理图像的最终特征)。其中,目标模型包含第一模块和第二模块,第一模块和第二模块连接,第一模块包含图神经网络(即第一模块至少用于实现特征聚合),第二模块包含特征变换层(即第二模块至少用于实现特征变换)。
示例性地,设目标模型包含一个第一模块和一个第二模块,那么,第一模块和第二模块之间可存在两种情况:(1)第一模块的输入端可作为整个目标模型的输入端,第一模块的输出端和第二模块的输入端连接,第二模块的输出端可作为整个目标模型的输出端。(2)第二模块的输入端可作为整个目标模型的输入端,第二模块的输出端和第一模块的输入端连接,第一模块的输出端可作为整个目标模型的输出端。
那么,输入至目标模型的待处理图像可被视为一个图结构,待处理图像的多个像素点则可视为该图结构的多个节点,多个像素点的像素值等信息(这些信息包含在待处理图像中)也就为多个节点的特征。在前述情况(1)下,目标模型的第一模块接收到该图结构的多个节点的特征后,第一模块可至少对该图结构的多个节点的特征进行特征聚合(例如,第一模块可对该图结构的多个节点的特征进行特征聚合以及特征更新),得到更新后的多个节点的特征。第二模块接收到来自第一模块的更新后的多个节点的特征后,可至少对更新后的多个节点的特征进行特征变换,从而得到变换后的多个节点的特征,变换后的P个节点的特征可作为目标模型的输出,即待处理图像的(最终)特征。在前述情况(2)下,目标模型的第二模块接收到该图结构的多个节点的特征后,第二模块可至少对该图结构的多个节点的特征进行特征变换,得到变换后的多个节点的特征。第一模块接收到来自第二模块的变换后的多个节点的特征后,可至少对变换后的多个节点的特征进行特征聚合,从而得到更新后的多个节点的特征,更新后的P个节点的特征可作为目标模型的输出,即待处理图像的(最终)特征。
得到待处理图像的特征后,可基于待处理图像的特征完成针对待处理图像的视觉任务。
从上述方法可以看出:在获取待处理图像后,可将待处理图像输入至目标模型,以通过目标模型对待处理图像进行处理,得到待处理图像的特征。然后,可基于待处理图像的特征,来完成针对待处理图像的视觉任务。其中,目标模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络(即第一模块至少用于实现特征聚合),第二模块至少用于实现特征变换。由于目标模型可将待处理图像视为图结构,即将待处理图像的多个像素点视为多个节点,若第一模块位于第二模块之前,第一模块先对该图结构的多个节点的特征进行特征聚合,可得到更新后的多个节点的特征,第二模块再对更新后的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间具备一定的差异,变换后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。若第二模块位于第一模块之前,第二模块先对该图结构的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间提前具备较大的差异,故第一模块再对换后的多个节点的特征进行特征聚合后,所得到的更新后的多个节点的特征之间也会具备一定的差异,更新后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。由此可见,目标模型最终输出的多个节点的特征之间具备足够的差异,可保持一定的多样性,有利于提高视觉任务的处理精度。
在一种可能的实现方式中,第二模块的数量为N+M个,N≥1,M≥1,通过目标模型对待处理图像进行处理,得到待处理图像的特征包括:通过串联的N个第二模块至少对待处理图像进行N次特征变换,得到第一特征;通过第一模块至少对第一特征进行特征聚合,得到第二特征;通过串联的M个第二模块至少对第二特征进行M次特征变换,得到第三特征;基于第三特征,获取待处理图像的特征。前述实现方式中,目标模型包含第一模块、位于第一模块之前的第二模块(包含串联的N个第二模块)以及位于第一模块之后的第二模块(包含串联的M个第二模块),第一模块至少包含图神经网络(即第一模块至少用于实现特征聚合),第二模块至少用于实现特征变换。由于目标模型可将待处理图像视为图结构,即将待处理图像的多个像素点视为多个节点,并将多个像素点的像素值等信息视为多个节点的特征。位于第一模块之前的第二模块可先对该图结构的多个节点的特征进行特征变换,可使得变换后的多个节点的特征(即第一特征)之间提前具备较大的差异,故第一模块再对换后的多个节点的特征进行特征聚合后,所得到的更新后的多个节点的特征(即第二特征)之间也会具备一定的差异,位于第一模块之后的第二模块可再对更新后的多个节点的特征进行特征变换,可使得再次变换后的多个节点的特征(即第三特征)之间具备更大的差异,基于再次变换后的多个节点的特征可获取目标模型的输出(例如,再次变换后的多个节点的特征可直接作为目标模型的输出),即待处理图像的特征。由此可见,目标模型最终输出的多个节点的特征之间具备足够的差异,可保持一定的多样性,有利于提高视觉任务的处理精度。
在一种可能的实现方式中,目标模型还包含第三模块,基于第三特征,获取待处理图像的特征包括:通过第三模块对待处理图像以及第三特征进行融合,得到第四特征;基于第四特征,获取待处理图像的特征。前述实现方式中,目标模型还包含第三模块,第三模块包含融合层,第三模块的某一输入端为目标模型的输入端,第三模块的另一输入端与位于第一模块之后的第二模块连接。那么,接收到位于第一模块之后的第二模块输出的再次变换后的多个节点的特征后,第三模块可将多个节点的特征以及再次变换后的多个节点的特征进行融合,得到融合后的多个节点的特征(即第四特征),故基于融合后的多个节点的特征,可获取目标模型的输出(例如,融合后的多个节点的特征可直接作为目标模型的输出)。
在一种可能的实现方式中,目标模型还包含串联的K个第四模块以及第五模块,K≥1,基于第四特征,获取待处理图像的特征包括:通过K个第四模块至少对第四特征进行K次特征变换,得到第五特征;通过第五模块对第四特征以及第五特征进行融合,得到待处理图像的特征。前述实现方式中,目标模型还包含第四模块以及第五模块,位于第五模块和第三模块之间第四模块(包含串联的K个第四模块)包含特征变换层,第五模块包含融合层,第五模块的某一输入端与第三模块连接,第五模块的另一输入端与第四模块连接。那么,接收到融合后的多个节点的特征后,第四模块可至少对融合后的多个节点的特征进行特征变换,得到进一步变换后的多个节点的特征(即第五特征),第五模块接收到融合后的多个节点的特征以及进一步变换后的多个节点的特征后,可将融合后的多个节点的特征以及进一步变换后的多个节点的特征进行融合,得到再次融合后的多个节点的特征,再次融合后的多个节点的特征可直接作为目标模型的输出,即待处理图像的特征。
在一种可能的实现方式中,第一模块还包含图神经网络、归一化层以及激活函数层,第一模块的图神经网络、第一模块的归一化层以及第一模块的激活函数层串联。前述实现方式中,第一模块不仅可实现特征聚合和特征更新,还可进行特征的归一化和非线性处理等功能。
在一种可能的实现方式中,第二模块包含特征变换层以及归一化层,第二模块的特征变换层以及第二模块的归一化层串联,第二模块的特征变换层为全连接层、卷积层或傅立叶变换层。前述实现方式中,第二模块不仅可实现特征变换,还可实现特征的归一化等功能。
在一种可能的实现方式中,第四模块包含特征变换层以及归一化层,第四模块的特征变换层以及第四模块的归一化层串联;或,第四模块包含特征变换层、归一化层以及激活函数层,第四模块的特征变换层、第四模块的归一化层串联以及第四模块的激活函数层串联;其中,第四模块的特征变换层为全连接层、卷积层或傅立叶变换层。前述实现方式中,第四模块不仅可实现特征变换,还可实现特征的归一化以及非线性处理等功能。
在一种可能的实现方式中,通过目标模型对待处理图像进行处理,得到待处理图像的特征之前,该方法还包括:对待处理图像进行划分,得到P个图像块,P>1;对P个图像块进行映射,获取P个图像块的向量表示;基于P个图像块的向量表示构建待处理图像的初始特征;通过目标模型对待处理图像进行处理,得到待处理图像的特征包括:通过目标模型对待处理图像的初始特征进行处理,得到待处理图像的特征。前述实现方式中,可以奖待处理图像划分为多个(P个)图像块,并获取多个图像块的向量表示。此时,待处理图像的多个图像块作为图结构的多个节点,多个图像块的向量表示可作为多个节点的特征,这样可以有效减少图结构中的节点数量,例如,将待处理图像划分为100个图像块,待处理图像所对应的图结构则包含了100个节点,目标模型中第一模块的图神经网络仅需针对100个节点进行处理,可有效减少图神经网络所需付出的计算量,有利于目标模型应用在一些算例有限的设备上。
在一种可能的实现方式中,基于P个图像块的向量表示构建待处理图像的初始特征之前,该方法还包括:将第i个图像块的位置编码与第i个图像块的向量表示进行相加,得到处理后的第i个图像块的向量表示,第i个图像块的位置编码用于指示第i个图像块在待处理图像中的位置,i=1,...,P;基于P个图像块的向量表示构建待处理图像的初始特征包括:基于处理后的P个图像块的向量表示构建待处理图像的初始特征。前述实现方式中,可向多个图像块的向量表示添加这多个图像块的位置编码,故得到的处理后的多个图像块的向量表示,不仅包含图像块的原始信息,还包含图像块的位置信息,有利于丰富待处理图像的特征所包含的信息,从而进一步提高视觉任务的处理精度。
在一种可能的实现方式中,视觉任务包含以下至少一种:图像分类、目标检测、语义分割、图像去噪以及图像超分。
本申请实施例的第二方面提供了一种模型训练方法,该方法包括:获取待处理图像;通过待训练模型对待处理图像进行处理,得到待处理图像的特征,待训练模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络,第二模块至少用于实现特征变换;基于待处理图像的特征以及待处理图像的真实特征,获取目标损失,目标损失用于指示待处理图像的特征以及待处理图像的真实特征之间差异;基于目标损失,对待训练模型的参数进行更新,直至满足模型训练条件,得到目标模型。
上述方法训练得到的目标模型,具备获取图像的特征的功能。当需要处理针对待处理图像的视觉任务时,可先获取待处理图像,并将待处理图像输入至目标模型,以通过目标模型对待处理图像进行处理,得到待处理图像的特征。然后,可基于待处理图像的特征,来完成针对待处理图像的视觉任务。其中,目标模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络(即第一模块至少用于实现特征聚合),第二模块至少用于实现特征变换。由于目标模型可将待处理图像视为图结构,即将待处理图像的多个像素点视为多个节点,若第一模块位于第二模块之前,第一模块先对该图结构的多个节点的特征进行特征聚合,可得到更新后的多个节点的特征,第二模块再对更新后的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间具备一定的差异,变换后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。若第二模块位于第一模块之前,第二模块先对该图结构的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间提前具备较大的差异,故第一模块再对换后的多个节点的特征进行特征聚合后,所得到的更新后的多个节点的特征之间也会具备一定的差异,更新后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。由此可见,目标模型最终输出的多个节点的特征之间具备足够的差异,可保持一定的多样性,有利于提高视觉任务的处理精度。
在一种可能的实现方式中,第二模块的数量为N+M个,N≥1,M≥1,通过待训练模型对待处理图像进行处理,得到待处理图像的特征包括:通过串联的N个第二模块至少对待处理图像进行N次特征变换,得到第一特征;通过第一模块至少对第一特征进行特征聚合,得到第二特征;通过串联的M个第二模块至少对第二特征进行M次特征变换,得到第三特征;基于第三特征,获取待处理图像的特征。
在一种可能的实现方式中,待训练模型还包含第三模块,基于第三特征,获取待处理图像的特征包括:通过第三模块对待处理图像以及第三特征进行融合,得到第四特征;基于第四特征,获取待处理图像的特征。
在一种可能的实现方式中,待训练模型还包含串联的K个第四模块以及第五模块,K≥1,基于第四特征,获取待处理图像的特征还包括:通过K个第四模块至少对第四特征进行K次特征变换,得到第五特征;通过第五模块对第四特征以及第五特征进行融合,得到待处理图像的特征。
在一种可能的实现方式中,第一模块包含图神经网络、归一化层以及激活函数层,第一模块的图神经网络、第一模块的归一化层以及第一模块的激活函数层串联。
在一种可能的实现方式中,第二模块包含特征变换层以及归一化层,第二模块的特征变换层以及第二模块的归一化层串联,第二模块的特征变换层为全连接层、卷积层或傅立叶变换层。
在一种可能的实现方式中,第四模块包含特征变换层以及归一化层,第四模块的特征变换层以及第四模块的归一化层串联;或,第四模块包含特征变换层、归一化层以及激活函数层,第四模块的特征变换层、第四模块的归一化层串联以及第四模块的激活函数层串联;其中,第四模块的特征变换层为全连接层、卷积层或傅立叶变换层。
在一种可能的实现方式中,通过待训练模型对待处理图像进行处理,得到待处理图像的特征之前,该方法还包括:对待处理图像进行划分,得到P个图像块,P>1;对P个图像块进行映射,获取P个图像块的向量表示;基于P个图像块的向量表示构建待处理图像的初始特征;通过待训练模型对待处理图像进行处理,得到待处理图像的特征包括:通过待训练模型对待处理图像的初始特征进行处理,得到待处理图像的特征。
在一种可能的实现方式中,基于P个图像块的向量表示构建待处理图像的初始特征之前,该方法还包括:将第i个图像块的位置编码与第i个图像块的向量表示进行相加,得到处理后的第i个图像块的向量表示,第i个图像块的位置编码用于指示第i个图像块在待处理图像中的位置,i=1,...,P;基于P个图像块的向量表示构建待处理图像的初始特征包括:基于处理后的P个图像块的向量表示构建待处理图像的初始特征。
本申请实施例的第三方面提供了一种视觉任务处理装置,该装置包括:获取模块,用于获取待处理图像;第一处理模块,用于通过目标模型对待处理图像进行处理,得到待处理图像的特征,目标模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络,第二模块至少用于实现特征变换;第二处理模块,用于基于待处理图像的特征,完成针对待处理图像的视觉任务。
从上述装置可以看出:在获取待处理图像后,可将待处理图像输入至目标模型,以通过目标模型对待处理图像进行处理,得到待处理图像的特征。然后,可基于待处理图像的特征,来完成针对待处理图像的视觉任务。其中,目标模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络(即第一模块至少用于实现特征聚合),第二模块至少用于实现特征变换。由于目标模型可将待处理图像视为图结构,即将待处理图像的多个像素点视为多个节点,若第一模块位于第二模块之前,第一模块先对该图结构的多个节点的特征进行特征聚合,可得到更新后的多个节点的特征,第二模块再对更新后的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间具备一定的差异,变换后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。若第二模块位于第一模块之前,第二模块先对该图结构的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间提前具备较大的差异,故第一模块再对换后的多个节点的特征进行特征聚合后,所得到的更新后的多个节点的特征之间也会具备一定的差异,更新后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。由此可见,目标模型最终输出的多个节点的特征之间具备足够的差异,可保持一定的多样性,有利于提高视觉任务的处理精度。
在一种可能的实现方式中,第二模块的数量为N+M个,N≥1,M≥1,第一处理模块,用于:通过串联的N个第二模块至少对待处理图像进行N次特征变换,得到第一特征;通过第一模块至少对第一特征进行特征聚合,得到第二特征;通过串联的M个第二模块至少对第二特征进行M次特征变换,得到第三特征;基于第三特征,获取待处理图像的特征。
在一种可能的实现方式中,目标模型还包含第三模块,第一处理模块,用于:通过第三模块对待处理图像以及第三特征进行融合,得到第四特征;基于第四特征,获取待处理图像的特征。
在一种可能的实现方式中,目标模型还包含串联的K个第四模块以及第五模块,K≥1,第一处理模块,用于:通过K个第四模块至少对第四特征进行K次特征变换,得到第五特征;通过第五模块对第四特征以及第五特征进行融合,得到待处理图像的特征。
在一种可能的实现方式中,第一模块还包含图神经网络、归一化层以及激活函数层,第一模块的图神经网络、第一模块的归一化层以及第一模块的激活函数层串联。
在一种可能的实现方式中,第二模块包含特征变换层以及归一化层,第二模块的特征变换层以及第二模块的归一化层串联,第二模块的特征变换层为全连接层、卷积层或傅立叶变换层。
在一种可能的实现方式中,第四模块包含特征变换层以及归一化层,第四模块的特征变换层以及第四模块的归一化层串联;或,第四模块包含特征变换层、归一化层以及激活函数层,第四模块的特征变换层、第四模块的归一化层串联以及第四模块的激活函数层串联;其中,第四模块的特征变换层为全连接层、卷积层或傅立叶变换层。
在一种可能的实现方式中,该装置还包括:预处理模块,用于:对待处理图像进行划分,得到P个图像块,P>1;对P个图像块进行映射,获取P个图像块的向量表示;基于P个图像块的向量表示构建待处理图像的初始特征;第一处理模块,用于:通过目标模型对待处理图像的初始特征进行处理,得到待处理图像的特征。
在一种可能的实现方式中,预处理模块,还用于将第i个图像块的位置编码与第i个图像块的向量表示进行相加,得到处理后的第i个图像块的向量表示,第i个图像块的位置编码用于指示第i个图像块在待处理图像中的位置,i=1,...,P;预处理模块,用于基于处理后的P个图像块的向量表示构建待处理图像的初始特征。
在一种可能的实现方式中,视觉任务包含以下至少一种:图像分类、目标检测、语义分割、图像去噪以及图像超分。
本申请实施例的第四方面提供了一种模型训练装置,该装置包括:第一获取模块,用于获取待处理图像;处理模块,用于通过待训练模型对待处理图像进行处理,得到待处理图像的特征,待训练模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络,第二模块至少用于实现特征变换;第二获取模块,用于基于待处理图像的特征以及待处理图像的真实特征,获取目标损失,目标损失用于指示待处理图像的特征以及待处理图像的真实特征之间差异;更新模块,用于基于目标损失,对待训练模型的参数进行更新,直至满足模型训练条件,得到目标模型。
上述装置训练得到的目标模型,具备获取图像的特征的功能。当需要处理针对待处理图像的视觉任务时,可先获取待处理图像,并将待处理图像输入至目标模型,以通过目标模型对待处理图像进行处理,得到待处理图像的特征。然后,可基于待处理图像的特征,来完成针对待处理图像的视觉任务。其中,目标模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络(即第一模块至少用于实现特征聚合),第二模块至少用于实现特征变换。由于目标模型可将待处理图像视为图结构,即将待处理图像的多个像素点视为多个节点,若第一模块位于第二模块之前,第一模块先对该图结构的多个节点的特征进行特征聚合,可得到更新后的多个节点的特征,第二模块再对更新后的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间具备一定的差异,变换后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。若第二模块位于第一模块之前,第二模块先对该图结构的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间提前具备较大的差异,故第一模块再对换后的多个节点的特征进行特征聚合后,所得到的更新后的多个节点的特征之间也会具备一定的差异,更新后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。由此可见,目标模型最终输出的多个节点的特征之间具备足够的差异,可保持一定的多样性,有利于提高视觉任务的处理精度。
在一种可能的实现方式中,第二模块的数量为N+M个,N≥1,M≥1,处理模块,用于:通过串联的N个第二模块至少对待处理图像进行N次特征变换,得到第一特征;通过第一模块至少对第一特征进行特征聚合,得到第二特征;通过串联的M个第二模块至少对第二特征进行M次特征变换,得到第三特征;基于第三特征,获取待处理图像的特征。
在一种可能的实现方式中,待训练模型还包含第三模块,处理模块,用于:通过第三模块对待处理图像以及第三特征进行融合,得到第四特征;基于第四特征,获取待处理图像的特征。
在一种可能的实现方式中,待训练模型还包含串联的K个第四模块以及第五模块,K≥1,处理模块,用于:通过K个第四模块至少对第四特征进行K次特征变换,得到第五特征;通过第五模块对第四特征以及第五特征进行融合,得到待处理图像的特征。
在一种可能的实现方式中,第一模块包含图神经网络、归一化层以及激活函数层,第一模块的图神经网络、第一模块的归一化层以及第一模块的激活函数层串联。
在一种可能的实现方式中,第二模块包含特征变换层以及归一化层,第二模块的特征变换层以及第二模块的归一化层串联,第二模块的特征变换层为全连接层、卷积层或傅立叶变换层。
在一种可能的实现方式中,第四模块包含特征变换层以及归一化层,第四模块的特征变换层以及第四模块的归一化层串联;或,第四模块包含特征变换层、归一化层以及激活函数层,第四模块的特征变换层、第四模块的归一化层串联以及第四模块的激活函数层串联;其中,第四模块的特征变换层为全连接层、卷积层或傅立叶变换层。
在一种可能的实现方式中,该装置还包括:预处理模块,用于:对待处理图像进行划分,得到P个图像块,P>1;对P个图像块进行映射,获取P个图像块的向量表示;基于P个图像块的向量表示构建待处理图像的初始特征;处理模块,用于通过待训练模型对待处理图像的初始特征进行处理,得到待处理图像的特征。
在一种可能的实现方式中,预处理模块,还用于将第i个图像块的位置编码与第i个图像块的向量表示进行相加,得到处理后的第i个图像块的向量表示,第i个图像块的位置编码用于指示第i个图像块在待处理图像中的位置,i=1,...,P;预处理模块,用于基于处理后的P个图像块的向量表示构建待处理图像的初始特征。
本申请实施例的第五方面提供了一种视觉任务处理装置,该装置包括存储器和处理器;存储器存储有代码,处理器被配置为执行代码,当代码被执行时,视觉任务处理装置执行如第一方面或第一方面中任意一种可能的实现方式所述的方法。
本申请实施例的第六方面提供了一种模型训练装置,该装置包括存储器和处理器;存储器存储有代码,处理器被配置为执行代码,当代码被执行时,模型训练装置执行如第二方面或第二方面中任意一种可能的实现方式所述的方法。
本申请实施例的第七方面提供了一种电路***,该电路***包括处理电路,该处理电路配置为执行如第一方面、第一方面中的任意一种可能的实现方式、第二方面或第二方面中的任意一种可能的实现方式所述的方法。
本申请实施例的第八方面提供了一种芯片***,该芯片***包括处理器,用于调用存储器中存储的计算机程序或计算机指令,以使得该处理器执行如第一方面、第一方面中的任意一种可能的实现方式、第二方面或第二方面中的任意一种可能的实现方式所述的方法。
在一种可能的实现方式中,该处理器通过接口与存储器耦合。
在一种可能的实现方式中,该芯片***还包括存储器,该存储器中存储有计算机程序或计算机指令。
本申请实施例的第九方面提供了一种计算机存储介质,该计算机存储介质存储有计算机程序,该程序在由计算机执行时,使得计算机实施如第一方面、第一方面中的任意一种可能的实现方式、第二方面或第二方面中的任意一种可能的实现方式所述的方法。
本申请实施例的第十方面提供了一种计算机程序产品,该计算机程序产品存储有指令,该指令在由计算机执行时,使得计算机实施如第一方面、第一方面中的任意一种可能的实现方式、第二方面或第二方面中的任意一种可能的实现方式所述的方法。
本申请实施例中,在获取待处理图像后,可将待处理图像输入至目标模型,以通过目标模型对待处理图像进行处理,得到待处理图像的特征。然后,可基于待处理图像的特征,来完成针对待处理图像的视觉任务。其中,目标模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络(即第一模块至少用于实现特征聚合),第二模块至少用于实现特征变换。由于目标模型可将待处理图像视为图结构,即将待处理图像的多个像素点视为多个节点,若第一模块位于第二模块之前,第一模块先对该图结构的多个节点的特征进行特征聚合,可得到更新后的多个节点的特征,第二模块再对更新后的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间具备一定的差异,变换后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。若第二模块位于第一模块之前,第二模块先对该图结构的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间提前具备较大的差异,故第一模块再对换后的多个节点的特征进行特征聚合后,所得到的更新后的多个节点的特征之间也会具备一定的差异,更新后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。由此可见,目标模型最终输出的多个节点的特征之间具备足够的差异,可保持一定的多样性,有利于提高视觉任务的处理精度。
附图说明
图1为人工智能主体框架的一种结构示意图;
图2a为本申请实施例提供的视觉任务处理***的一个结构示意图;
图2b为本申请实施例提供的视觉任务处理***的另一结构示意图;
图2c为本申请实施例提供的视觉任务处理的相关设备的一个示意图;
图3为本申请实施例提供的***100架构的一个示意图;
图4为本申请实施例提供的目标模型的一种结构示意图;
图5为本申请实施例提供的目标模型的另一结构示意图;
图6为本申请实施例提供的视觉任务处理方法的一个流程示意图;
图7为本申请实施例提供的目标模型的另一结构示意图;
图8为本申请实施例提供的视觉任务处理方法的另一流程示意图;
图9为本申请实施例提供的目标模型的另一结构示意图;
图10为本申请实施例提供的视觉任务处理方法的另一流程示意图;
图11为本申请实施例提供的目标模型的另一结构示意图;
图12为本申请实施例提供的模型训练方法的一个流程示意图;
图13为本申请实施例提供的视觉任务处理装置的一个结构示意图;
图14为本申请实施例提供的模型训练装置的一个结构示意图;
图15为本申请实施例提供的执行设备的一个结构示意图;
图16为本申请实施例提供的训练设备的一个结构示意图;
图17为本申请实施例提供的芯片的一个结构示意图。
具体实施方式
本申请实施例提供了一种视觉任务处理方法及其相关设备,可通过目标模型对待处理图像进行处理,目标模型最终输出的特征可保持多样性,有利于提高针对待处理图像的视觉任务的处理精度。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,以便包含一系列单元的过程、方法、***、产品或设备不必限于那些单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
随着计算机技术的飞速发展,图神经网络被广泛用于处理各类计算机视觉任务,例如,人脸识别领域中的图像分类,视频监控领域中的目标检测以及自动驾驶领域中的语义分割等各种领域中的视觉任务。
目前,当需要处理针对待处理图像的视觉任务时,可将待处理图像输入至图神经网络进行处理,从而得到图神经网络输出的待处理图像的特征,进而基于待处理图像的特征完成针对待处理图像的视觉任务。例如,设需要对某个图像进行图像分类时,可将该图像输入至图神经网络中,以通过图神经网络对该图像进行特征聚合、特征更新等一系列处理,从而获得该图像的特征。然而,可将该图像的特征输入后续的分类模型(例如,除图神经网络之外的某种神经网络),从而得到针对该图像的处理结果,即该图像属于各个类别的概率,故可确定该图像所属的类别。
上述过程中,待处理图像是以图结构的方式输入到图神经网络中的,该图结构包含多个节点,即待处理图像的多个像素点。图神经网络在对该图结构进行处理的过程中,会不断地进行节点之间的特征聚合,使得相邻节点的特征会越来越相似,导致图神经网络最终输出的多个节点的特征(即上述图神经网络输出的待处理图像的特征)过于相似,其多样性丢失,影响视觉任务的处理精度。
进一步地,由于该图结构是以待处理图像的像素点作为节点的,会导致图结构中的节点数量特别多,例如,一张尺寸为224×224的待处理图像,其图结构则包含50176个节点,图神经网络对该图结构进行处理时,则需要针对50176个节点进行处理,所需要的计算量非常大,导致图神经网络难以应用在一些算力有限的设备上。
更进一步地,相关技术可对待处理图像进行人为选择,从中选取部分关键的像素点作来作为图结构中的节点,这样可以减少图神经网络的计算量。但是,这样人为选择节点的方式,不仅存在较多的人为主观因素,还会导致网络的输入中丢失了待处理图像的部分原始信息,最终也会影响视觉任务的处理精度。
为了解决上述问题,本申请实施例提供了一种摘要生成方法,该方法可结合人工智能(artificial intelligence,AI)技术实现。AI技术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的技术学科,AI技术通过感知环境、获取知识并使用知识获得最佳结果。换句话说,人工智能技术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做出反应的智能机器。利用人工智能进行数据处理是人工智能常见的一个应用方式。
首先对人工智能***总体工作流程进行描述,请参见图1,图1为人工智能主体框架的一种结构示意图,下面从“智能信息链”(水平轴)和“IT价值链”(垂直轴)两个维度对上述人工智能主题框架进行阐述。其中,“智能信息链”反映从数据的获取到处理的一列过程。举例来说,可以是智能信息感知、智能信息表示与形成、智能推理、智能决策、智能执行与输出的一般过程。在这个过程中,数据经历了“数据—信息—知识—智慧”的凝练过程。“IT价值链”从人智能的底层基础设施、信息(提供和处理技术实现)到***的产业生态过程,反映人工智能为信息技术产业带来的价值。
(1)基础设施
基础设施为人工智能***提供计算能力支持,实现与外部世界的沟通,并通过基础平台实现支撑。通过传感器与外部沟通;计算能力由智能芯片(CPU、NPU、GPU、ASIC、FPGA等硬件加速芯片)提供;基础平台包括分布式计算框架及网络等相关的平台保障和支持,可以包括云存储和计算、互联互通网络等。举例来说,传感器和外部沟通获取数据,这些数据提供给基础平台提供的分布式计算***中的智能芯片进行计算。
(2)数据
基础设施的上一层的数据用于表示人工智能领域的数据来源。数据涉及到图形、图像、语音、文本,还涉及到传统设备的物联网数据,包括已有***的业务数据以及力、位移、液位、温度、湿度等感知数据。
(3)数据处理
数据处理通常包括数据训练,机器学习,深度学习,搜索,推理,决策等方式。
其中,机器学习和深度学习可以对数据进行符号化和形式化的智能信息建模、抽取、预处理、训练等。
推理是指在计算机或智能***中,模拟人类的智能推理方式,依据推理控制策略,利用形式化的信息进行机器思维和求解问题的过程,典型的功能是搜索与匹配。
决策是指智能信息经过推理后进行决策的过程,通常提供分类、排序、预测等功能。
(4)通用能力
对数据经过上面提到的数据处理后,进一步基于数据处理的结果可以形成一些通用的能力,比如可以是算法或者一个通用***,例如,翻译,文本的分析,计算机视觉的处理,语音识别,图像的识别等等。
(5)智能产品及行业应用
智能产品及行业应用指人工智能***在各领域的产品和应用,是对人工智能整体解决方案的封装,将智能信息决策产品化、实现落地应用,其应用领域主要包括:智能终端、智能交通、智能医疗、自动驾驶、智慧城市等。
接下来介绍几种本申请的应用场景。
图2a为本申请实施例提供的视觉任务处理***的一个结构示意图,该视觉任务处理***包括用户设备以及数据处理设备。其中,用户设备包括手机、个人电脑或者信息处理中心等智能终端。用户设备为视觉任务处理的发起端,作为视觉任务处理请求的发起方,通常由用户通过用户设备发起请求。
上述数据处理设备可以是云服务器、网络服务器、应用服务器以及管理服务器等具有数据处理功能的设备或服务器。数据处理设备通过交互接口接收来自智能终端的视觉任务处理请求,再通过存储数据的存储器以及数据处理的处理器环节进行机器学习,深度学习,搜索,推理,决策等方式的视觉任务处理。数据处理设备中的存储器可以是一个统称,包括本地存储以及存储历史数据的数据库,数据库可以在数据处理设备上,也可以在其它网络服务器上。
在图2a所示的视觉任务处理***中,用户设备可以接收用户的指令,例如用户设备可以获取用户输入/选择的一个图像,然后向数据处理设备发起针对该图像的视觉任务处理请求,使得数据处理设备针对用户设备得到的该图像执行图像处理应用,从而得到针对该图像的处理结果。示例性的,用户设备可以获取用户输入的一个图像,然后向数据处理设备发起针对该图像的视觉任务处理请求,使得数据处理设备对该图像进行处理,从而得到针对该图像的视觉任务的处理结果,例如,设针对该图像的视觉任务为图像分类,则针对该图像的视觉任务的处理结果为该图像属于各个类别的概率,故可确定该图像所属的类别。又如,设针对该图像的视觉任务为目标检测,则针对该图像的视觉任务的处理结果为目标物***于该图像中各个位置的概率,故可确定目标物体在该图像中的位置等等。
在图2a中,数据处理设备可以执行本申请实施例的视觉任务处理方法。
图2b为本申请实施例提供的视觉任务处理***的另一结构示意图,在图2b中,用户设备直接作为数据处理设备,该用户设备能够直接获取来自用户的输入并直接由用户设备本身的硬件进行处理,具体过程与图2a相似,可参考上面的描述,在此不再赘述。
在图2b所示的视觉任务处理***中,用户设备可以接收用户的指令,例如用户设备可以获取用户在用户设备中所选择的一个图像,然后用户设备直接对该图像执行图像处理应用,从而得到针对该图像的视觉任务的处理结果,例如,设针对该图像的视觉任务为图像分类,则针对该图像的视觉任务的处理结果为该图像属于各个类别的概率,故可确定该图像所属的类别。又如,设针对该图像的视觉任务为目标检测,则针对该图像的视觉任务的处理结果为目标物***于该图像中各个位置的概率,故可确定目标物体在该图像中的位置等等。
在图2b中,用户设备自身就可以执行本申请实施例的视觉任务处理方法。
图2c为本申请实施例提供的视觉任务处理的相关设备的一个示意图。
上述图2a和图2b中的用户设备具体可以是图2c中的本地设备301或者本地设备302,图2a中的数据处理设备具体可以是图2c中的执行设备210,其中,数据存储***250可以存储执行设备210的待处理数据,数据存储***250可以集成在执行设备210上,也可以设置在云上或其它网络服务器上。
图2a和图2b中的处理器可以通过神经网络模型或者其它模型(例如,基于支持向量机的模型)进行数据训练/机器学习/深度学习,并利用数据最终训练或者学习得到的模型针对图像执行图像处理应用,从而得到相应的处理结果。
图3为本申请实施例提供的***100架构的一个示意图,在图3中,执行设备110配置输入/输出(input/output,I/O)接口112,用于与外部设备进行数据交互,用户可以通过客户设备140向I/O接口112输入数据,所述输入数据在本申请实施例中可以包括:各个待调度任务、可调用资源以及其他参数。
在执行设备110对输入数据进行预处理,或者在执行设备110的计算模块111执行计算等相关的处理(比如进行本申请中神经网络的功能实现)过程中,执行设备110可以调用数据存储***150中的数据、代码等以用于相应的处理,也可以将相应处理得到的数据、指令等存入数据存储***150中。
最后,I/O接口112将处理结果返回给客户设备140,从而提供给用户。
值得说明的是,训练设备120可以针对不同的目标或称不同的任务,基于不同的训练数据生成相应的目标模型/规则,该相应的目标模型/规则即可以用于实现上述目标或完成上述任务,从而为用户提供所需的结果。其中,训练数据可以存储在数据库130中,且来自于数据采集设备160采集的训练样本。
在图3中所示情况下,用户可以手动给定输入数据,该手动给定可以通过I/O接口112提供的界面进行操作。另一种情况下,客户设备140可以自动地向I/O接口112发送输入数据,如果要求客户设备140自动发送输入数据需要获得用户的授权,则用户可以在客户设备140中设置相应权限。用户可以在客户设备140查看执行设备110输出的结果,具体的呈现形式可以是显示、声音、动作等具体方式。客户设备140也可以作为数据采集端,采集如图所示输入I/O接口112的输入数据及输出I/O接口112的输出结果作为新的样本数据,并存入数据库130。当然,也可以不经过客户设备140进行采集,而是由I/O接口112直接将如图所示输入I/O接口112的输入数据及输出I/O接口112的输出结果,作为新的样本数据存入数据库130。
值得注意的是,图3仅是本申请实施例提供的一种***架构的示意图,图中所示设备、器件、模块等之间的位置关系不构成任何限制,例如,在图3中,数据存储***150相对执行设备110是外部存储器,在其它情况下,也可以将数据存储***150置于执行设备110中。如图3所示,可以根据训练设备120训练得到神经网络。
本申请实施例还提供的一种芯片,该芯片包括神经网络处理器NPU。该芯片可以被设置在如图3所示的执行设备110中,用以完成计算模块111的计算工作。该芯片也可以被设置在如图3所示的训练设备120中,用以完成训练设备120的训练工作并输出目标模型/规则。
神经网络处理器NPU,NPU作为协处理器挂载到主中央处理器(centralprocessing unit,CPU)(host CPU)上,由主CPU分配任务。NPU的核心部分为运算电路,控制器控制运算电路提取存储器(权重存储器或输入存储器)中的数据并进行运算。
在一些实现中,运算电路内部包括多个处理单元(process engine,PE)。在一些实现中,运算电路是二维脉动阵列。运算电路还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路是通用的矩阵处理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路从权重存储器中取矩阵B相应的数据,并缓存在运算电路中每一个PE上。运算电路从输入存储器中取矩阵A数据与矩阵B进行矩阵运算,得到的矩阵的部分结果或最终结果,保存在累加器(accumulator)中。
向量计算单元可以对运算电路的输出做进一步处理,如向量乘,向量加,指数运算,对数运算,大小比较等等。例如,向量计算单元可以用于神经网络中非卷积/非FC层的网络计算,如池化(pooling),批归一化(batch normalization),局部响应归一化(localresponse normalization)等。
在一些实现种,向量计算单元能将经处理的输出的向量存储到统一缓存器。例如,向量计算单元可以将非线性函数应用到运算电路的输出,例如累加值的向量,用以生成激活值。在一些实现中,向量计算单元生成归一化的值、合并值,或二者均有。在一些实现中,处理过的输出的向量能够用作到运算电路的激活输入,例如用于在神经网络中的后续层中的使用。
统一存储器用于存放输入数据以及输出数据。
权重数据直接通过存储单元访问控制器(direct memory access controller,DMAC)将外部存储器中的输入数据搬运到输入存储器和/或统一存储器、将外部存储器中的权重数据存入权重存储器,以及将统一存储器中的数据存入外部存储器。
总线接口单元(bus interface unit,BIU),用于通过总线实现主CPU、DMAC和取指存储器之间进行交互。
与控制器连接的取指存储器(instruction fetch buffer),用于存储控制器使用的指令;
控制器,用于调用指存储器中缓存的指令,实现控制该运算加速器的工作过程。
一般地,统一存储器,输入存储器,权重存储器以及取指存储器均为片上(On-Chip)存储器,外部存储器为该NPU外部的存储器,该外部存储器可以为双倍数据率同步动态随机存储器(double data rate synchronous dynamic random access memory,DDRSDRAM)、高带宽存储器(high bandwidth memory,HBM)或其他可读可写的存储器。
由于本申请实施例涉及大量神经网络的应用,为了便于理解,下面先对本申请实施例涉及的相关术语及神经网络等相关概念进行介绍。
(1)神经网络
神经网络可以是由神经单元组成的,神经单元可以是指以xs和截距1为输入的运算单元,该运算单元的输出可以为:
其中,s=1、2、……n,n为大于1的自然数,Ws为xs的权重,b为神经单元的偏置。f为神经单元的激活函数(activation functions),用于将非线性特性引入神经网络中,来将神经单元中的输入信号转换为输出信号。该激活函数的输出信号可以作为下一层卷积层的输入。激活函数可以是sigmoid函数。神经网络是将许多个上述单一的神经单元联结在一起形成的网络,即一个神经单元的输出可以是另一个神经单元的输入。每个神经单元的输入可以与前一层的局部接受域相连,来提取局部接受域的特征,局部接受域可以是由若干个神经单元组成的区域。
神经网络中的每一层的工作可以用数学表达式y=a(Wx+b)来描述:从物理层面神经网络中的每一层的工作可以理解为通过五种对输入空间(输入向量的集合)的操作,完成输入空间到输出空间的变换(即矩阵的行空间到列空间),这五种操作包括:1、升维/降维;2、放大/缩小;3、旋转;4、平移;5、“弯曲”。其中1、2、3的操作由Wx完成,4的操作由+b完成,5的操作则由a()来实现。这里之所以用“空间”二字来表述是因为被分类的对象并不是单个事物,而是一类事物,空间是指这类事物所有个体的集合。其中,W是权重向量,该向量中的每一个值表示该层神经网络中的一个神经元的权重值。该向量W决定着上文所述的输入空间到输出空间的空间变换,即每一层的权重W控制着如何变换空间。训练神经网络的目的,也就是最终得到训练好的神经网络的所有层的权重矩阵(由很多层的向量W形成的权重矩阵)。因此,神经网络的训练过程本质上就是学习控制空间变换的方式,更具体的就是学习权重矩阵。
因为希望神经网络的输出尽可能的接近真正想要预测的值,所以可以通过比较当前网络的预测值和真正想要的目标值,再根据两者之间的差异情况来更新每一层神经网络的权重向量(当然,在第一次更新之前通常会有初始化的过程,即为神经网络中的各层预先配置参数),比如,如果网络的预测值高了,就调整权重向量让它预测低一些,不断的调整,直到神经网络能够预测出真正想要的目标值。因此,就需要预先定义“如何比较预测值和目标值之间的差异”,这便是损失函数(loss function)或目标函数(objective function),它们是用于衡量预测值和目标值的差异的重要方程。其中,以损失函数举例,损失函数的输出值(loss)越高表示差异越大,那么神经网络的训练就变成了尽可能缩小这个loss的过程。
(2)反向传播算法
神经网络可以采用误差反向传播(back propagation,BP)算法在训练过程中修正初始的神经网络模型中参数的大小,使得神经网络模型的重建误差损失越来越小。具体地,前向传递输入信号直至输出会产生误差损失,通过反向传播误差损失信息来更新初始的神经网络模型中参数,从而使误差损失收敛。反向传播算法是以误差损失为主导的反向传播运动,旨在得到最优的神经网络模型的参数,例如权重矩阵。
下面从神经网络的训练侧和神经网络的应用侧对本申请提供的方法进行描述。
本申请实施例提供的模型训练方法,涉及数据序列的处理,具体可以应用于数据训练、机器学习、深度学习等方法,对训练数据(例如,将本申请实施例提供的模型训练方法中的待处理图像)进行符号化和形式化的智能信息建模、抽取、预处理、训练等,最终得到训练好的神经网络(如本申请实施例提供的模型训练方法中的目标模型);并且,本申请实施例提供的视觉任务处理方法可以运用上述训练好的神经网络,将输入数据(例如,将本申请实施例提供的视觉任务处理方法中的待处理图像)输入到所述训练好的神经网络中,得到输出数据(如本申请实施例提供的视觉任务处理方法中的待处理图像的特征等等)。需要说明的是,本申请实施例提供的模型训练方法和视觉任务处理方法是基于同一个构思产生的发明,也可以理解为一个***中的两个部分,或一个整体流程的两个阶段:如模型训练阶段和模型应用阶段。
本申请实施例提供的视觉任务处理方法可通过目标模型实现,目标模型可有多种结构,下文将分别进行介绍。首先对目标模型的第一种结构进行介绍,在这种情况下,目标模型包含1个第一模块和1个第二模块,第一模块和第二模块连接。需要说明的是,第一模块和第二模块之间存在两种连接关系:第一种连接关系如图4所示(图4为本申请实施例提供的目标模型的一种结构示意图),此时,第一模块的输入端为整个目标模型的输入端,第一模块的输出端和第二模块的输入端连接,第二模块的输出端为整个目标模型的输出端,第二种连接关系如图5所示(图5为本申请实施例提供的目标模型的另一结构示意图),此时,第二模块的输入端为整个目标模型的输入端,第二模块的输出端和第一模块的输入端连接,第一模块的输出端为整个目标模型的输出端。其中,第一模块包含图神经网络(即第一模块用于实现特征聚合),第二模块包含特征变换层(即第二模块用于实现特征变换)。下面对具备第一种结构的目标模型的工作流程进行介绍,如图6所示(图6为本申请实施例提供的视觉任务处理方法的一个流程示意图),该流程包括:
601、获取待处理图像。
本实施例中,当需要处理针对某个待处理图像的视觉任务时,可先获取待处理图像,待处理图像既可以是某个视频流中的一帧图像,也可以是独立的一个图像,此处不做限制。
具体地,针对待处理图像的视觉任务可以包含以下至少一种:人脸识别领域中针对待处理图像的图像分类任务(例如,门禁设备在进行人脸识别时,需要判断采集到的图像是否为人脸图像等等),视频监控领域中针对针对待处理图像的目标检测任务(例如,监控设备在对目标物体进行监控时,可检测采集到的视频流中的某个图像中是否包含目标物体等等),自动驾驶领域中针对待处理图像的语义分割任务(例如,车辆在自动行驶的过程中,可拍摄路面的图像并对该图像进行分割,判断出路面中的各类物体,以使得车辆行驶在正确的区域上等等),图像(视频)处理领域中针对待处理图像的图像去噪任务以及图像(视频)处理领域中针对待处理图像的图像超分(图像超分辨率)任务等等。
602、通过目标模型对待处理图像进行处理,得到待处理图像的特征,目标模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络,第二模块至少用于实现特征变换。
得到待处理图像后,可将待处理图像输入至目标模型(即已训练好的神经网络模型),以通过目标模型对待处理图像进行处理,得到待处理图像的特征(也可以称为待处理图像的最终特征)。
进一步地,为了防止目标模型的计算量过大,在将待处理图像输入至目标模型之前,可以提前对待处理图像进行预处理:
(1)得到待处理图像后,可对待处理图像进行划分(可以是均匀划分,也可以是非均匀划分),从而得到P个图像块(patch),P为大于1的正整数。需要说明的是,在这P个图像块中,相邻的任意2个图像块之间既可以存在重叠的部分,也可以不存在重叠的部分,此处不做限制。
(2)得到P个图像块后,对于这P个图像块中的任意一个图像块,即对于第i个图像块(i=1,...,P)而言,可将第i个图像块映射在隐空间上,从而得到第i个图像块的向量表示。对于这P个图像块中除第i个图像块之外的其余图像块,也可执行如同对第i个图像块所执行的操作,故可得到P个图像块的向量表示。例如,对于待处理图像,可将其切分为P个patch。接着,可对第1个patch进行映射,得到第1个patch的向量表示x1,还可对第2个patch进行映射,得到第2个patch的向量表示x2,...,还可对第P个patch进行映射,得到第P个patch的向量表示xP,xi∈RD。
(3)得到P个图像块的向量表示,可利用这P个图像块的向量表示来构建待处理图像的初始特征。依旧如上述例子,得到第1个patch的向量表示x1,第2个patch的向量表示x2,...,第P个patch的向量表示xP后,可对这P个向量表示组合在一起,得到待处理图像的向量表示X1=[x1,x2,...,xP],作为待处理图像的初始特征X1。
那么,得到待处理图像的初始特征后,可将待处理图像的初始特征输入至目标模型中,以通过目标模型对待处理图像的初始特征进行处理,得到待处理图像的特征(即待处理图像的最终特征)。
更进一步地,为了使得待处理图像的特征具备更多的信息,在基于P个图像块的向量表示构建待处理图像的初始特征之前,还可执行以下操作:
(1)得到P个图像块的向量表示后,可先获取P个图像块的位置编码,P个图像块的位置编码可以是提前设置的一套位置编码。对于第i个图像块而言,第i个图像块的位置编码用于指示第i个图像块在待处理图像中的位置,即第i个图像块的位置编码的取值由第i个图像块在待处理图像中的位置确定,因此,不同图像块的位置编码通常是不同的。依旧如上述例子,第1个图像块的位置编码为e1,第2个图像块的位置编码为e2,...,第P个图像块的位置编码为eP,ei∈RD。
(2)得到P个图像块的位置编码后,由于P个图像块的向量表示与P个图像块的位置编码是一一对应的,故对于第i个图像块而言,可将第i个图像块的位置编码与第i个图像块的向量表示进行相加,得到处理后的第i个图像块的向量表示。对于这P个图像块中除第i个图像块之外的其余图像块,也可执行如同对第i个图像块所执行的操作,故可得到处理后的P个图像块的向量表示。依旧如上述例子,可将第1个patch的向量表示x1与第1个图像块的位置编码为e1相加,得到处理后的第1个patch的向量表示x1+e1,还可将第2个patch的向量表示x2与第2个图像块的位置编码为e2相加,得到处理后的第2个patch的向量表示x2+e2,...,还可将第P个patch的向量表示xP与第P个图像块的位置编码为eP相加,得到处理后的第P个patch的向量表示xP+eP。
那么,得到处理后的P个图像块的向量表示后,可利用这P个图像块的向量表示来构建待处理图像的初始特征。依旧如上述例子,得到处理后的第1个patch的向量表示x1+e1,处理后的第2个patch的向量表示x2+e2,...,处理后的第P个patch的向量表示xP+eP后,可对这P个向量表示组合在一起,得到待处理图像的向量表示X1=[x1+e1,x2+e2,...,xP+eP],作为待处理图像的初始特征X1。
如此一来,得到基于处理后的P个图像块的向量表示所构建的待处理图像的初始特征后,可将待处理图像的初始特征输入至目标模型中,以通过目标模型对待处理图像的初始特征进行处理,得到待处理图像的特征。具体地,目标模型可通过多种方式来获取待处理图像的特征:
(1)由于待处理图像可视为一个图结构,基于待处理图像划分得到的P个图像块则可视为该图结构的P个节点,相应地,处理后的P个图像块的向量表示也就为该图结构的P个节点的特征。那么,将待处理图像的初始特征输入至图4所示的目标模型时,由于待处理图像的初始特征包含处理后的P个图像块的向量表示,相当于将该图结构的P个节点的特征输入到目标模型中。
(1.1)目标模型的第一模块接收到待处理图像的初始特征后,即第一模块接收到该图结构的P个节点的特征后,第一模块可对该图结构的P个节点的特征进行特征聚合以及特征更新,得到更新后的P个节点的特征,即更新后的P个图像块的向量表示。下面对特征聚合和特征更新的过程进行介绍:
(1.1.1)对于第i个节点,先确定第i个节点的邻居节点。需要说明的时,此处可将节点之间的欧式距离作为度量,在第i个节点周围的多个节点中,选择距离第i个节点最近的若干个节点,作为第i个节点的邻居节点。依旧如上述例子,第i个节点的邻居节点的集合可表示为N(i)。
(1.1.2)确定第i个节点的邻居节点后,可将第i个节点的邻居节点的特征进行特征聚合,得到第i个节点对应的聚合特征。依旧如上述例子,第i个节点的特征为xi,第i个节点对应的聚合特征为g(xi,N(i),W1)。其中,W1为聚合过程所使用的权重,g()可以有多种表达形式,如,g(xi,N(i),W1)=max(xi-xj丨j∈N(i))。
(1.1.3)得到第i个节点对应的聚合特征后,可基于第i个节点的特征以及第i个节点对应的聚合特征,对第i个节点的特征进行特征更新,得到更新后的第i个节点的特征,即更新后的第i个图像块的向量表示。依旧如上述例子,更新后的第i个节点的特征为x`i=h(xi,g(xi,N(i),W1),W2)。其中,W2为更新过程所使用的权重,h()可以有多种表达形式,如,h(xi,g(xi,N(i),W1),W2)=x`i=g(xi,N(i),W1)*W2。
(1.1.4)对于除第i个节点之外的其余节点,第一模块也可执行如同对第i个节点所执行的操作,故可得到更新后的P个节点的特征,并将更新后的P个节点的特征发送至第二模块。
(1.2)第二模块接收到来自第一模块的更新后的P个节点的特征后,可对更新后的P个节点的特征进行特征变换,从而得到变换后的P个节点的特征。需要说明的是,对于更新后的第i个节点的特征,第二模块可修改更新后的第i个节点的特征中各个元素的值(例如,有些元素的值变小,有些元素的值变大),故可得到变换后的第i个节点的特征,即变换后的第i个图像块的向量表示。对于除更新后的第i个节点的特征之外的更新后的其余节点的特征,第一模块也可执行如同对更新后的第i个节点的特征所执行的操作,故可得到变换后的P个节点的特征,即变换后的P个图像块的向量表示,至此,变换后的P个图像块的向量表示可作为目标模型的输出,即待处理图像的(最终)特征。
可以理解的是,由于对更新后的P个节点的特征进行了特征变换,可以使得变换后的P个节点的特征之间的差异越来越来,即变换后的第1个节点的特征与变换后的第2个节点的特征之间存在较多不同的元素,变换后的第2个节点的特征与变换后的第3个节点的特征之间存在较多不同的元素,...,变换后的第P-1个节点的特征与变换后的第P个节点的特征之间存在较多不同的元素。
(2)由于待处理图像可视为一个图结构,基于待处理图像划分得到的P个图像块则可视为该图结构的P个节点,相应地,处理后的P个图像块的向量表示也就为该图结构的P个节点的特征。那么,将待处理图像的初始特征输入至图5所示的目标模型时,由于待处理图像的初始特征包含处理后的P个图像块的向量表示,相当于将该图结构的P个节点的特征输入到目标模型中。
(2.1)目标模型的第二模块接收到待处理图像的初始特征后,即第二模块接收到该图结构的P个节点的特征后,第二模块可对该图结构的P个节点的特征进行特征变换,得到变换后的P个节点的特征,即变换后的P个图像块的向量表示,并将变换后的P个节点的特征发送至第一模块。需要说明的是,(2.1)中第二模块所执行的特征变换的介绍,可参考(1.2)中第二模块所执行的特征变换的相关说明部分,此处不再赘述。
(2.2)第一模块接收到来自第二模块的变换后的P个节点的特征后,可对变换后的P个节点的特征进行特征聚合以及特征更新,得到更新后的P个节点的特征,即更新后的P个图像块的向量表示,至此,更新后的P个图像块的向量表示可作为目标模型的输出,即待处理图像的(最终)特征。需要说明的是,(2.2)中第一模块所执行的特征变换和特征更新的介绍,可参考(1.1)中第一模块所执行的特征变换和特征更新的相关说明部分,此处不再赘述。
应理解,本实施例中,仅以图神经网络可以实现特征聚合和特征更新进行示意性介绍,并不对图神经网络的功能构成限制,在实际应用中,图神经网络也可以仅实现特征聚合,那么,对于第i个节点而言,在得到第i个节点对应的聚合特征后,可将第i个节点对应的聚合特征直接确定为更新后的第i个节点的特征。
还应理解,本实施例中,仅以输入至目标模型的待处理图像的初始特征包含处理后的P个图像块的向量表示进行示意性介绍,在实际应用中,输入至目标模型的待处理图像的初始特征也可包含P个图像块的向量表示(即不添加位置编码),此时,P个图像块依旧为图结构中的P个结构,P个图像块的向量表示就是图结构中的P个节点的特征。
还应理解,本实施例中,仅以目标模型的输入为待处理图像的初始特征进行示意性介绍,在实际应用中,目标模型的输入还可以是待处理图像,此时,待处理图像的多个像素点即为图结构的多个节点,待处理图像的多个像素点的像素值等信息即为图结构的多个节点的特征。
603、基于待处理图像的特征,完成针对待处理图像的视觉任务。
得到待处理图像的特征后,可将待处理图像的特征输入至除目标模型之外的其余模型中(也是已训练好的神经网络模型),以通过其余模型对待处理图像的特征做进一步的处理,得到针对待处理图像的视觉任务的处理结果,至此,则完成了针对待处理图像的视觉任务。
例如,设针对待处理图像的视觉任务为针对待处理图像的图像分类,那么,在得到待处理图像的特征后,可将待处理图像的特征输入至分类模型中,以通过分类模型对待处理图像的特征做进一步的处理,得到待处理图像的分类结果,即待处理图像属于各个类别的概率,故可确定待处理所属的类别。
又如,设针对待处理图像的视觉任务为针对待处理图像的目标检测,那么,在得到待处理图像的特征后,可将待处理图像的特征输入至检测模型中,以通过检测模型对待处理图像的特征做进一步的处理,得到待处理图像的检测结果,即目标物体在待处理图像中处于各个位置的概率,故可确定目标物体在待处理所属中的位置。
本申请实施例中,在获取待处理图像后,可将待处理图像输入至目标模型,以通过目标模型对待处理图像进行处理,得到待处理图像的特征。然后,可基于待处理图像的特征,来完成针对待处理图像的视觉任务。其中,目标模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络(即第一模块至少用于实现特征聚合),第二模块至少用于实现特征变换。由于目标模型可将待处理图像视为图结构,即将待处理图像的多个像素点视为多个节点,若第一模块位于第二模块之前,第一模块先对该图结构的多个节点的特征进行特征聚合,可得到更新后的多个节点的特征,第二模块再对更新后的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间具备一定的差异,变换后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。若第二模块位于第一模块之前,第二模块先对该图结构的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间提前具备较大的差异,故第一模块再对换后的多个节点的特征进行特征聚合后,所得到的更新后的多个节点的特征之间也会具备一定的差异,更新后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。由此可见,目标模型最终输出的多个节点的特征之间具备足够的差异,可保持一定的多样性,有利于提高视觉任务的处理精度。
进一步地,本申请实施例可以待处理图像的图像块作为图结构的节点,这样可以有效减少图结构中的节点数量,例如,将待处理图像划分为100个图像块,待处理图像所对应的图结构则包含了100个节点,目标模型中第一模块的图神经网络仅需针对100个节点进行处理,可有效减少图神经网络所需付出的计算量,有利于目标模型应用在一些算例有限的设备上。
更进一步地,本申请实施例不需要人工选择图结构的节点,组成整个待处理图像的所有图像块均会作为图结构中的节点,不仅可以避免涉及人为因素,还可保证目标模型的输入中存在待处理图像的所有原始信息,故可进一步提高针对待处理图像的视觉任务的处理精度。
以上是对目标模型的第一种结构进行的详细说明,下文将对目标模型的第二种结构进行介绍,在这种情况下,如图7所示(图7为本申请实施例提供的目标模型的另一结构示意图),目标模型包含1个第一模块、N+M个第二模块(N和M均为大于或等于1的正整数)以及1个第三模块,其中,串联的N个第二模块设置于第一模块的前面,串联的M个第二模块设置于第一模块的后面。对于位于第一模块之前的N个第二模块,这N个第二模块中的第1个第二模块的输入端作为目标模型的输入端,这N个第二模块中的第N个第二模块的输出端与第一模块的输入端连接。对于位于第一模块之后的M个第二模块,这M个第二模块中的第1个第二模块的输入端于第一模块的输出端连接,这M个第二模块中的第M个第二模块的输出端与第三模块的第一输入端连接,第三模块的第二输入端也可作为目标模型的输入端,第三模块的输出端作为目标模型的输出端。其中,第一模块包含图神经网络(即第一模块用于实现特征聚合),每个第二模块均包含特征变换层(即每个第二模块均用于实现特征变换),第三模块包含融合层。下面对具备第二种结构的目标模型的工作流程进行介绍,如图8所示(图8为本申请实施例提供的视觉任务处理方法的另一流程示意图),该流程包括:
801、获取待处理图像。
关于步骤801的介绍,可参考图6所示实施例中步骤601的相关说明部分,此处不再赘述。
802、通过串联的N个第二模块至少对待处理图像进行N次特征变换,得到第一特征。
803、通过第一模块至少对第一特征进行特征聚合,得到第二特征。
804、通过串联的M个第二模块至少对第二特征进行M次特征变换,得到第三特征。
805、通过第三模块对待处理图像以及第三特征进行融合,得到第四特征,第四特征为待处理图像的特征。
得到待处理图像后,可将待处理图像输入至目标模型,由于待处理图像是以图结构的形式输入到目标模型中的,故目标模型可将待处理图像的多个像素点视为该图结构的多个节点,并将多个像素点的像素值等信息(包含在待处理图像中)视为多个节点的特征。那么,目标模型中N个第二模块的第1个第二模块在接收到这多个节点的特征后,可对这多个节点的特征进行第1次特征变换,得到第1次变换后的多个节点的特征,N个第二模块的第2个第二模块在接收到第1次变换后的多个节点的特征后,可对第1次变换后的多个节点的特征进行第2次特征变换,得到第2次变换后的多个节点的特征,...,N个第二模块的第N个第二模块在接收到第N-1次变换后的多个节点的特征后,可对第N-1次变换后的多个节点的特征进行第N次特征变换,得到第N次变换后的多个节点的特征(即前述的第一特征)。接着,第一模块在接收到第N次变换后的多个节点的特征后,可对第N次变换后的多个节点的特征进行特征聚合和特征更新,得到更新后的多个节点的特征(即前述的第二特征)。然后,M个第二模块的第1个第二模块在接收到更新后的多个节点的特征后,可对更新后的多个节点的特征进行第N+1次变换,得到第N+1次变换后的多个节点的特征,...,M个第二模块的第M个第二模块在接收到第N+M-1次变换后的多个节点的特征后,可对第N+M-1次变换后的多个节点的特征进行第N+M次变换,得到第N+M次变换后的多个节点的特征(即前述的第三特征)。最后,第三模块接收到多个节点的特征以及第N+M次变换后的多个节点的特征后,可将多个节点的特征以及第N+M次变换后的多个节点的特征进行融合,得到融合后的多个节点的特征(即前述的第四特征)。至此,融合后的多个节点的特征可作为目标模型的输出,即待处理图像的(最终)特征。
应理解,本实施例中,仅以第一模块的图神经网络可以实现特征聚合和特征更新进行示意性介绍,并不对图神经网络的功能构成限制,在实际应用中,图神经网络也可以仅实现特征聚合。
还应理解,本实施例中,第一模块所执行的特征聚合和特征更新的介绍,可参考前述步骤602中第一模块所执行的特征聚合和特征更新的相关说明部分,此处不再赘述。同样地,本实施例中,每个第二模块所执行的特征变换的介绍,可参考前述步骤602中第二模块所执行的特征变换的相关说明部分,此处不再赘述。
还应理解,本实施例中,仅以目标模型仅包含一个第一模块进行示意性介绍,并不对第一模块的数量构成限制,在实际应用中,目标模型也可以包含串联的L个第一模块(L为大于1的正整数),其中,这L个第一模块中的第1个第一模块的输入端与N个第二模块的第N个第二模块的输出端连接,这L个第一模块中的第L个第一模块的输出端与M个第二模块的第1个第二模块的输入端连接。那么,这L个第一模块可实现L次的特征聚合,即这L个第一模块中的第1个第一模块在接收到第N次变换后的多个节点的特征后,可对第N次变换后的多个节点的特征进行特征聚合和特征更新,得到第1次更新后的多个节点的特征,第2个第一模块在接收到第1次更新后的多个节点的特征后,可对第1次更新后的多个节点的特征进行特征聚合和特征更新,得到第1次更新后的多个节点的特征,...,第L个第一模块在接收到第L-1次更新后的多个节点的特征后,可对第L-1次更新后的多个节点的特征进行特征聚合和特征更新,得到第L次更新后的多个节点的特征(即第二特征),并将第L次更新后的多个节点的特征发送至M个第二模块中的第1个第二模块。
还应理解,本实施例中,也可以提前对待处理图像进行预处理,此处所涉及的预处理的介绍,可参考前述步骤602中预处理的相关说明部分,此处不再赘述。那么,在对待处理图像进行预处理后,目标模型的输入则变为:基于P个图像块的向量表示所构建的待处理图像的初始特征,或,基于处理后的P个图像块的向量表示所构建的待处理图像的初始特征。在这种情况下,图结构的P(多)个节点则为待处理图像的P个图像块,P个节点的特征则为P个图像块的向量表示或处理后的P个图像块的向量表示。
还应理解,本实施例中,目标模型也可不包含第三模块,那么,M个第二模块中的第M个第二模块所得到的第N+M次变换后的多个节点的特征(即前述的第三特征),可作为目标模型的输出,即待处理图像的(最终)特征。
806、基于待处理图像的特征,完成针对待处理图像的视觉任务。
关于步骤806的介绍,可参考图6所示实施例中步骤603的相关说明部分,此处不再赘述。
本申请实施例中,在获取待处理图像后,可将待处理图像输入至目标模型,以通过目标模型对待处理图像进行处理,得到待处理图像的特征。然后,可基于待处理图像的特征,来完成针对待处理图像的视觉任务。其中,目标模型包含第一模块、位于第一模块之前的第二模块以及位于第一模块之后的第二模块,第一模块至少包含图神经网络(即第一模块至少用于实现特征聚合),第二模块至少用于实现特征变换。由于目标模型可将待处理图像视为图结构,即将待处理图像的多个像素点视为多个节点,位于第一模块之前的第二模块可先对该图结构的多个节点的特征进行特征变换,可使得变换后的多个节点的特征(即第一特征)之间提前具备较大的差异,故第一模块再对换后的多个节点的特征进行特征聚合后,所得到的更新后的多个节点的特征(即第二特征)之间也会具备一定的差异,位于第一模块之后的第二模块可再对更新后的多个节点的特征进行特征变换,可使得再次变换后的多个节点的特征(即第三特征)之间具备更大的差异,基于再次变换后的多个节点的特征可获取目标模型的输出(例如,再次变换后的多个节点的特征可作为目标模型的输出),即待处理图像的特征。由此可见,目标模型最终输出的多个节点的特征之间具备足够的差异,可保持一定的多样性,有利于提高视觉任务的处理精度。
进一步地,本申请实施例可以待处理图像的图像块作为图结构的节点,这样可以有效减少图结构中的节点数量,例如,将待处理图像划分为100个图像块,待处理图像所对应的图结构则包含了100个节点,目标模型中第一模块的图神经网络仅需针对100个节点进行处理,可有效减少图神经网络所需付出的计算量,有利于目标模型应用在一些算例有限的设备上。
更进一步地,本申请实施例不需要人工选择图结构的节点,组成整个待处理图像的所有图像块均会作为图结构中的节点,不仅可以避免涉及人为因素,还可保证目标模型的输入中存在待处理图像的所有原始信息,故可进一步提高针对待处理图像的视觉任务的处理精度。
以上是对目标模型的第二种结构进行的详细说明,下文将对目标模型的第三种结构进行介绍,在这种情况下,如图9所示(图9为本申请实施例提供的目标模型的另一结构示意图),目标模型包含1个第一模块、N+M个第二模块(N和M均为大于或等于1的正整数)、1个第三模块、K个第四模块(K为大于或等于1的正整数)以及1个第五模块,其中,串联的N个第二模块设置于第一模块的前面,串联的M个第二模块设置于第一模块的后面。对于位于第一模块之前的N个第二模块,这N个第二模块中的第1个第二模块的输入端作为目标模型的输入端,这N个第二模块中的第N个第二模块的输出端与第一模块的输入端连接。对于位于第一模块之后的M个第二模块,这M个第二模块中的第1个第二模块的输入端于第一模块的输出端连接,这M个第二模块中的第M个第二模块的输出端与第三模块的第一输入端连接,第三模块的第二输入端也可作为目标模型的输入端,第三模块的输出端与串联的K个第四模块中的第1个第四模块的输入端连接,这K个第四模块中的第K个第四模块的输出端与第五模块的第一输入端连接,第五模块的第二输入端与第三模块的输出端连接,第五模块的输出端作为目标模型的输出端。其中,第一模块包含图神经网络(即第一模块用于实现特征聚合),每个第二模块均包含特征变换层(即每个第二模块均用于实现特征变换),第三模块包含融合层,每个第四模块均包含特征变换层(即每个第四模块均用于实现特征变换),第五模块包含融合层。下面对具备第三种结构的目标模型的工作流程进行介绍,如图10所示(图10为本申请实施例提供的视觉任务处理方法的另一流程示意图),该流程包括:
1001、获取待处理图像。
关于步骤1001的介绍,可参考图8所示实施例中步骤801的相关说明部分,此处不再赘述。
1002、通过串联的N个第二模块至少对待处理图像进行N次特征变换,得到第一特征。
1003、通过第一模块至少对第一特征进行特征聚合,得到第二特征。
1004、通过串联的M个第二模块至少对第二特征进行M次特征变换,得到第三特征。
1005、通过第三模块对待处理图像以及第三特征进行融合,得到第四特征。
关于步骤1002至步骤1005的介绍,可参考图8所示实施例中步骤802至步骤805的相关说明部分,此处不再赘述。
需要说明的是,步骤805与步骤1005的区别在于,步骤805中第三模块所得到的融合后的多个节点的特征(即前述的第四特征),可直接作为目标模型的输出,即待处理图像的(最终)特征,而步骤1005中第三模块所得到的融合后的多个节点的特征(即前述的第四特征),则发送至K个第四模块进行后续的处理。
1006、通过串联的K个第四模块至少对第四特征进行K次特征变换,得到第五特征。
1007、通过第五模块对第四特征以及第五特征进行融合,得到待处理图像的特征。
K个第四模块的第1个第四模块在接收到融合后的多个节点的特征后,可对融合后的多个节点的特征进行第N+M+1次特征变换,得到第N+M+1次变换后的多个节点的特征,...,K个第四模块的第K个第四模块在接收到第N+M+K-1次变换后的多个节点的特征后,可对第N+M+K-1次变换后的多个节点的特征进行第N+M+K次特征变换,得到第N+M+K次变换后的多个节点的特征(即前述的第五特征)。此后,第五模块接收到多个节点的特征以及第N+K次变换后的多个节点的特征后,可将融合后的多个节点的特征以及第N+M+K次变换后的多个节点的特征进行融合,得到第2次融合后的多个节点的特征。至此,第2次融合后的多个节点的特征可作为目标模型的输出,即待处理图像的(最终)特征。
应理解,本实施例中,仅以第一模块包含图神经网络进行示意性介绍,并不对第一模块的结构构成限制,在实际应用中,如图11所示(图11为本申请实施例提供的目标模型的另一结构示意图),第一模块可包含串联的图神经网络、归一化层以及激活函数层。在这种情况下,第一模块可对第N次变换后的多个节点的特征依次进行特征聚合、特征更新(由图神经网络实现)、归一化(由归一化层实现)和非线性处理(由激活函数层实现),得到更新后的多个节点的特征(即第二特征)。
还应理解,本实施例中,仅以每个第二模块包含特征变换层进行示意性介绍,并不对第二模块的结构构成限制,在实际应用中,如图11所示,每个第二模块可包含串联的特征变换层以及归一化层,其中,特征变换层可以为全连接层、卷积层或傅立叶变换层。在这种情况下,N个第二模块的第1个第二模块可对这多个节点的特征依次进行第1次特征变换(由特征变换层实现)和第1次归一化(由归一化层实现),得到第1次变换后的多个节点的特征,N个第二模块的第2个第二模块可对第1次变换后的多个节点的特征依次进行第2次特征变换和第2次归一化,得到第2次变换后的多个节点的特征,...,N个第二模块的第N个第二模块可对第N-1次变换后的多个节点的特征依次进行第N次特征变换和第N次归一化,得到第N次变换后的多个节点的特征(即前述的第一特征)。同样地,M个第二模块的第1个第二模块可对更新后的多个节点的特征依次进行第N+1次变换和第N+1次归一化,得到第N+1次变换后的多个节点的特征,...,M个第二模块的第M个第二模块可对第N+M-1次变换后的多个节点的特征依次进行第N+M次变换和第N+M次归一化,得到第N+M次变换后的多个节点的特征(即第三特征)。
还应理解,本实施例中,仅以每个第四模块包含特征变换层进行示意性介绍,并不对第四模块的结构构成限制,在实际应用中,如图11所示,对于任意一个第四模块而言,该第四模块既可包含串联的特征变换层以及归一化层,也可包含串联的特征变换层、归一化层以及激活函数层,其中,特征变换层为全连接层、卷积层或傅立叶变换层。在这种情况下,K个第四模块的第1个第四模块可对融合后的多个节点的特征依次进行第N+M+1次特征变换、第N+M+2次归一化以及第2次非线性处理,得到第N+M+1次变换后的多个节点的特征,...,K个第四模块的第K个第四模块可对第N+M+K-1次变换后的多个节点的特征依次进行第N+M+K次特征变换以及第N+M+K+1次归一化,得到第N+M+K次变换后的多个节点的特征(即第五特征)。
1008、基于待处理图像的特征,完成针对待处理图像的视觉任务。
关于步骤1008的介绍,可参考图8所示实施例中步骤806的相关说明部分,此处不再赘述。
此外,还可将本申请实施例提供的目标模型与相关技术提供的神经网络模型在某中测试场景下进行比较,该测试场景所需解决的视觉任务为图像分类,比较结果如表1所示:
表1
模型 | 图像尺寸 | 参数量(M) | 计算量(B) | 指标一 | 指标二 |
相关技术一 | 224×224 | 12 | 1.8 | 70.6 | - |
相关技术一 | 224×224 | 5.7 | 1.3 | 72.2 | - |
相关技术一 | 224×224 | 25.6 | 4.1 | 79.8 | - |
相关技术一 | 224×224 | 21.1 | 20.9 | 80.2 | - |
相关技术一 | 224×224 | 51.6 | 51.4 | 81.4 | - |
相关技术一 | 224×224 | 30 | 6.0 | 79.4 | - |
相关技术一 | 224×224 | 59 | 11.7 | 76.4 | - |
相关技术一 | 224×224 | 22.1 | 4.6 | 79.8 | - |
本申请实施例 | 224×224 | 22.7 | 4.5 | 80.4 | 95.2 |
基于表1可知,本申请实施例提供出的目标模型在相同量级的参数量和计算量的情况下,具备更高的精度。
本申请实施例中,在获取待处理图像后,可将待处理图像输入至目标模型,以通过目标模型对待处理图像进行处理,得到待处理图像的特征。然后,可基于待处理图像的特征,来完成针对待处理图像的视觉任务。其中,目标模型包含第一模块、位于第一模块之前的第二模块以及位于第一模块之后的第二模块,第一模块至少包含图神经网络(即第一模块至少用于实现特征聚合),第二模块至少用于实现特征变换。由于目标模型可将待处理图像视为图结构,即将待处理图像的多个像素点视为多个节点,位于第一模块之前的第二模块可先对该图结构的多个节点的特征进行特征变换,可使得变换后的多个节点的特征(即第一特征)之间提前具备较大的差异,故第一模块再对换后的多个节点的特征进行特征聚合后,所得到的更新后的多个节点的特征(即第二特征)之间也会具备一定的差异,位于第一模块之后的第二模块可再对更新后的多个节点的特征进行特征变换,可使得再次变换后的多个节点的特征(即第三特征)之间具备更大的差异,基于再次变换后的多个节点的特征可获取目标模型的输出,即待处理图像的特征。由此可见,目标模型最终输出的多个节点的特征之间具备足够的差异,可保持一定的多样性,有利于提高视觉任务的处理精度。
进一步地,本申请实施例可以待处理图像的图像块作为图结构的节点,这样可以有效减少图结构中的节点数量,例如,将待处理图像划分为100个图像块,待处理图像所对应的图结构则包含了100个节点,目标模型中第一模块的图神经网络仅需针对100个节点进行处理,可有效减少图神经网络所需付出的计算量,有利于目标模型应用在一些算例有限的设备上。
更进一步地,本申请实施例不需要人工选择图结构的节点,组成整个待处理图像的所有图像块均会作为图结构中的节点,不仅可以避免涉及人为因素,还可保证目标模型的输入中存在待处理图像的所有原始信息,故可进一步提高针对待处理图像的视觉任务的处理精度。
以上是对本申请实施例提供的目标模型以及视觉任务处理方法所进行的详细说明,以下将对本申请实施例提供的模型训练方法进行介绍。图12为本申请实施例提供的模型训练方法的一个流程示意图,该方法包括:
1201、获取待处理图像。
本实施例中,当需要对待训练模型(需要训练的神经网络模型)进行训练时,可先获取一批训练数据,该批训练数据包含待处理图像。需要说明的是,待处理图像的真实特征是已知的。
1202、通过待训练模型对待处理图像进行处理,得到待处理图像的特征,待训练模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络,第二模块至少用于实现特征变换。
得到待处理图像后,可将待处理图像输入至待训练模型,以通过待训练模型对待处理图像进行处理,得到待处理图像的特征,即待处理图像的最终特征(也可以称为待处理图像的预测特征)。其中,待训练模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络(即第一模块至少用于实现特征聚合),第二模块至少用于实现特征变换。
在一种可能的实现方式中,第二模块的数量为N+M个,N≥1,M≥1,通过待训练模型对待处理图像进行处理,得到待处理图像的特征包括:通过串联的N个第二模块至少对待处理图像进行N次特征变换,得到第一特征;通过第一模块至少对第一特征进行特征聚合,得到第二特征;通过串联的M个第二模块至少对第二特征进行M次特征变换,得到第三特征;基于第三特征,获取待处理图像的特征。
在一种可能的实现方式中,待训练模型还包含第三模块,基于第三特征,获取待处理图像的特征包括:通过第三模块对待处理图像以及第三特征进行融合,得到第四特征;基于第四特征,获取待处理图像的特征。
在一种可能的实现方式中,待训练模型还包含串联的K个第四模块以及第五模块,K≥1,基于第四特征,获取待处理图像的特征还包括:通过K个第四模块至少对第四特征进行K次特征变换,得到第五特征;通过第五模块对第四特征以及第五特征进行融合,得到待处理图像的特征。
在一种可能的实现方式中,第一模块包含图神经网络、归一化层以及激活函数层,第一模块的图神经网络、第一模块的归一化层以及第一模块的激活函数层串联。
在一种可能的实现方式中,第二模块包含特征变换层以及归一化层,第二模块的特征变换层以及第二模块的归一化层串联,第二模块的特征变换层为全连接层、卷积层或傅立叶变换层。
在一种可能的实现方式中,第四模块包含特征变换层以及归一化层,第四模块的特征变换层以及第四模块的归一化层串联;或,第四模块包含特征变换层、归一化层以及激活函数层,第四模块的特征变换层、第四模块的归一化层串联以及第四模块的激活函数层串联;其中,第四模块的特征变换层为全连接层、卷积层或傅立叶变换层。
在一种可能的实现方式中,通过待训练模型对待处理图像进行处理,得到待处理图像的特征之前,该方法还包括:对待处理图像进行划分,得到P个图像块,P>1;对P个图像块进行映射,获取P个图像块的向量表示;基于P个图像块的向量表示构建待处理图像的初始特征;通过待训练模型对待处理图像进行处理,得到待处理图像的特征包括:通过待训练模型对待处理图像的初始特征进行处理,得到待处理图像的特征。
在一种可能的实现方式中,基于P个图像块的向量表示构建待处理图像的初始特征之前,该方法还包括:将第i个图像块的位置编码与第i个图像块的向量表示进行相加,得到处理后的第i个图像块的向量表示,第i个图像块的位置编码用于指示第i个图像块在待处理图像中的位置,i=1,...,P;基于P个图像块的向量表示构建待处理图像的初始特征包括:基于处理后的P个图像块的向量表示构建待处理图像的初始特征。
1203、基于待处理图像的特征以及待处理图像的真实特征,获取目标损失,目标损失用于指示待处理图像的特征以及待处理图像的真实特征之间差异。
得到待处理图像的最终特征后,可通过预置的目标损失函数对待处理图像的最终特征以及待处理图像的真实特征进行计算,从而得到目标损失,目标损失用于指示待处理图像的最终特征以及待处理图像的真实特征之间的差异。
1204、基于目标损失,对待训练模型的参数进行更新,直至满足模型训练条件,得到目标模型。
得到目标损失后,可基于基于目标损失,对待训练模型的参数进行更新,并利用下一批训练数据继续对更新参数后的待训练模型进行训练,直至满足模型训练条件(例如,目标损失达到收敛等等),从而得到图4、图5、图7、图9或图11所示的目标模型。
本申请实施例训练得到的目标模型,具备获取图像的特征的功能。当需要处理针对待处理图像的视觉任务时,可先获取待处理图像,并将待处理图像输入至目标模型,以通过目标模型对待处理图像进行处理,得到待处理图像的特征。然后,可基于待处理图像的特征,来完成针对待处理图像的视觉任务。其中,目标模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络(即第一模块至少用于实现特征聚合),第二模块至少用于实现特征变换。由于目标模型可将待处理图像视为图结构,即将待处理图像的多个像素点视为多个节点,若第一模块位于第二模块之前,第一模块先对该图结构的多个节点的特征进行特征聚合,可得到更新后的多个节点的特征,第二模块再对更新后的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间具备一定的差异,变换后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。若第二模块位于第一模块之前,第二模块先对该图结构的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间提前具备较大的差异,故第一模块再对换后的多个节点的特征进行特征聚合后,所得到的更新后的多个节点的特征之间也会具备一定的差异,更新后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。由此可见,目标模型最终输出的多个节点的特征之间具备足够的差异,可保持一定的多样性,有利于提高视觉任务的处理精度。
以上是对本申请实施例提供的模型训练方法所进行的详细说明,以下将对本申请实施例提供的视觉任务处理装置以及模型训练装置进行介绍。图13为本申请实施例提供的视觉任务处理装置的一个结构示意图,如图13所示,该装置包括:
获取模块1301,用于获取待处理图像;
第一处理模块1302,用于通过目标模型对待处理图像进行处理,得到待处理图像的特征,目标模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络,第二模块至少用于实现特征变换;
第二处理模块1303,用于基于待处理图像的特征,完成针对待处理图像的视觉任务。
本申请实施例中,在获取待处理图像后,可将待处理图像输入至目标模型,以通过目标模型对待处理图像进行处理,得到待处理图像的特征。然后,可基于待处理图像的特征,来完成针对待处理图像的视觉任务。其中,目标模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络(即第一模块至少用于实现特征聚合),第二模块至少用于实现特征变换。由于目标模型可将待处理图像视为图结构,即将待处理图像的多个像素点视为多个节点,若第一模块位于第二模块之前,第一模块先对该图结构的多个节点的特征进行特征聚合,可得到更新后的多个节点的特征,第二模块再对更新后的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间具备一定的差异,变换后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。若第二模块位于第一模块之前,第二模块先对该图结构的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间提前具备较大的差异,故第一模块再对换后的多个节点的特征进行特征聚合后,所得到的更新后的多个节点的特征之间也会具备一定的差异,更新后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。由此可见,目标模型最终输出的多个节点的特征之间具备足够的差异,可保持一定的多样性,有利于提高视觉任务的处理精度。
在一种可能的实现方式中,第二模块的数量为N+M个,N≥1,M≥1,第一处理模块1302,用于:通过串联的N个第二模块至少对待处理图像进行N次特征变换,得到第一特征;通过第一模块至少对第一特征进行特征聚合,得到第二特征;通过串联的M个第二模块至少对第二特征进行M次特征变换,得到第三特征;基于第三特征,获取待处理图像的特征。
在一种可能的实现方式中,目标模型还包含第三模块,第一处理模块1302,用于:通过第三模块对待处理图像以及第三特征进行融合,得到第四特征;基于第四特征,获取待处理图像的特征。
在一种可能的实现方式中,目标模型还包含串联的K个第四模块以及第五模块,K≥1,第一处理模块1302,用于:通过K个第四模块至少对第四特征进行K次特征变换,得到第五特征;通过第五模块对第四特征以及第五特征进行融合,得到待处理图像的特征。
在一种可能的实现方式中,第一模块还包含图神经网络、归一化层以及激活函数层,第一模块的图神经网络、第一模块的归一化层以及第一模块的激活函数层串联。
在一种可能的实现方式中,第二模块包含特征变换层以及归一化层,第二模块的特征变换层以及第二模块的归一化层串联,第二模块的特征变换层为全连接层、卷积层或傅立叶变换层。
在一种可能的实现方式中,第四模块包含特征变换层以及归一化层,第四模块的特征变换层以及第四模块的归一化层串联;或,第四模块包含特征变换层、归一化层以及激活函数层,第四模块的特征变换层、第四模块的归一化层串联以及第四模块的激活函数层串联;其中,第四模块的特征变换层为全连接层、卷积层或傅立叶变换层。
在一种可能的实现方式中,该装置还包括:预处理模块,用于:对待处理图像进行划分,得到P个图像块,P>1;对P个图像块进行映射,获取P个图像块的向量表示;基于P个图像块的向量表示构建待处理图像的初始特征;第一处理模块1301,用于:通过目标模型对待处理图像的初始特征进行处理,得到待处理图像的特征。
在一种可能的实现方式中,预处理模块,还用于将第i个图像块的位置编码与第i个图像块的向量表示进行相加,得到处理后的第i个图像块的向量表示,第i个图像块的位置编码用于指示第i个图像块在待处理图像中的位置,i=1,...,P;预处理模块,用于基于处理后的P个图像块的向量表示构建待处理图像的初始特征。
在一种可能的实现方式中,视觉任务包含以下至少一种:图像分类、目标检测、语义分割、图像去噪以及图像超分。
图14为本申请实施例提供的模型训练装置的一个结构示意图,如图14所示,该装置包括:
第一获取模块1401,用于获取待处理图像;
处理模块1402,用于通过待训练模型对待处理图像进行处理,得到待处理图像的特征,待训练模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络,第二模块至少用于实现特征变换;
第二获取模块1403,用于基于待处理图像的特征以及待处理图像的真实特征,获取目标损失,目标损失用于指示待处理图像的特征以及待处理图像的真实特征之间差异;
更新模块1404,用于基于目标损失,对待训练模型的参数进行更新,直至满足模型训练条件,得到目标模型。
本申请实施例训练得到的目标模型,具备获取图像的特征的功能。当需要处理针对待处理图像的视觉任务时,可先获取待处理图像,并将待处理图像输入至目标模型,以通过目标模型对待处理图像进行处理,得到待处理图像的特征。然后,可基于待处理图像的特征,来完成针对待处理图像的视觉任务。其中,目标模型包含第一模块以及第二模块,第一模块与第二模块连接,第一模块至少包含图神经网络(即第一模块至少用于实现特征聚合),第二模块至少用于实现特征变换。由于目标模型可将待处理图像视为图结构,即将待处理图像的多个像素点视为多个节点,若第一模块位于第二模块之前,第一模块先对该图结构的多个节点的特征进行特征聚合,可得到更新后的多个节点的特征,第二模块再对更新后的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间具备一定的差异,变换后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。若第二模块位于第一模块之前,第二模块先对该图结构的多个节点的特征进行特征变换,可使得变换后的多个节点的特征之间提前具备较大的差异,故第一模块再对换后的多个节点的特征进行特征聚合后,所得到的更新后的多个节点的特征之间也会具备一定的差异,更新后的多个节点的特征可作为目标模型的输出,即待处理图像的特征。由此可见,目标模型最终输出的多个节点的特征之间具备足够的差异,可保持一定的多样性,有利于提高视觉任务的处理精度。
在一种可能的实现方式中,第二模块的数量为N+M个,N≥1,M≥1,处理模块1402,用于:通过串联的N个第二模块至少对待处理图像进行N次特征变换,得到第一特征;通过第一模块至少对第一特征进行特征聚合,得到第二特征;通过串联的M个第二模块至少对第二特征进行M次特征变换,得到第三特征;基于第三特征,获取待处理图像的特征。
在一种可能的实现方式中,待训练模型还包含第三模块,处理模块1402,用于:通过第三模块对待处理图像以及第三特征进行融合,得到第四特征;基于第四特征,获取待处理图像的特征。
在一种可能的实现方式中,待训练模型还包含串联的K个第四模块以及第五模块,K≥1,处理模块1402,用于:通过K个第四模块至少对第四特征进行K次特征变换,得到第五特征;通过第五模块对第四特征以及第五特征进行融合,得到待处理图像的特征。
在一种可能的实现方式中,第一模块包含图神经网络、归一化层以及激活函数层,第一模块的图神经网络、第一模块的归一化层以及第一模块的激活函数层串联。
在一种可能的实现方式中,第二模块包含特征变换层以及归一化层,第二模块的特征变换层以及第二模块的归一化层串联,第二模块的特征变换层为全连接层、卷积层或傅立叶变换层。
在一种可能的实现方式中,第四模块包含特征变换层以及归一化层,第四模块的特征变换层以及第四模块的归一化层串联;或,第四模块包含特征变换层、归一化层以及激活函数层,第四模块的特征变换层、第四模块的归一化层串联以及第四模块的激活函数层串联;其中,第四模块的特征变换层为全连接层、卷积层或傅立叶变换层。
在一种可能的实现方式中,该装置还包括:预处理模块,用于:对待处理图像进行划分,得到P个图像块,P>1;对P个图像块进行映射,获取P个图像块的向量表示;基于P个图像块的向量表示构建待处理图像的初始特征;处理模块1402,用于通过待训练模型对待处理图像的初始特征进行处理,得到待处理图像的特征。
在一种可能的实现方式中,预处理模块,还用于将第i个图像块的位置编码与第i个图像块的向量表示进行相加,得到处理后的第i个图像块的向量表示,第i个图像块的位置编码用于指示第i个图像块在待处理图像中的位置,i=1,...,P;预处理模块,用于基于处理后的P个图像块的向量表示构建待处理图像的初始特征。
需要说明的是,上述装置各模块/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其带来的技术效果与本申请方法实施例相同,具体内容可参考本申请实施例前述所示的方法实施例中的叙述,此处不再赘述。
本申请实施例还涉及一种执行设备,图15为本申请实施例提供的执行设备的一个结构示意图。如图15所示,执行设备1500具体可以表现为手机、平板、笔记本电脑、智能穿戴设备、服务器等,此处不做限定。其中,执行设备1500上可部署有图13对应实施例中所描述的视觉任务处理装置,用于实现图6、图8和图10对应实施例中视觉任务的处理功能。具体的,执行设备1500包括:接收器1501、发射器1502、处理器1503和存储器1504(其中执行设备1500中的处理器1503的数量可以一个或多个,图15中以一个处理器为例),其中,处理器1503可以包括应用处理器15031和通信处理器15032。在本申请的一些实施例中,接收器1501、发射器1502、处理器1503和存储器1504可通过总线或其它方式连接。
存储器1504可以包括只读存储器和随机存取存储器,并向处理器1503提供指令和数据。存储器1504的一部分还可以包括非易失性随机存取存储器(non-volatile randomaccess memory,NVRAM)。存储器1504存储有处理器和操作指令、可执行模块或者数据结构,或者它们的子集,或者它们的扩展集,其中,操作指令可包括各种操作指令,用于实现各种操作。
处理器1503控制执行设备的操作。具体的应用中,执行设备的各个组件通过总线***耦合在一起,其中总线***除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见,在图中将各种总线都称为总线***。
上述本申请实施例揭示的方法可以应用于处理器1503中,或者由处理器1503实现。处理器1503可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器1503中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1503可以是通用处理器、数字信号处理器(digital signal processing,DSP)、微处理器或微控制器,还可进一步包括专用集成电路(application specific integratedcircuit,ASIC)、现场可编程门阵列(field-programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。该处理器1503可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1504,处理器1503读取存储器1504中的信息,结合其硬件完成上述方法的步骤。
接收器1501可用于接收输入的数字或字符信息,以及产生与执行设备的相关设置以及功能控制有关的信号输入。发射器1502可用于通过第一接口输出数字或字符信息;发射器1502还可用于通过第一接口向磁盘组发送指令,以修改磁盘组中的数据;发射器1502还可以包括显示屏等显示设备。
本申请实施例中,在一种情况下,处理器1503,用于通过图6、图8或图10对应实施例中的目标模型,来处理针对待处理图像的视觉任务。
本申请实施例还涉及一种训练设备,图16为本申请实施例提供的训练设备的一个结构示意图。如图16所示,训练设备1600由一个或多个服务器实现,训练设备1600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以***处理器(centralprocessing units,CPU)1614(例如,一个或一个以上处理器)和存储器1632,一个或一个以上存储应用程序1642或数据1644的存储介质1630(例如一个或一个以上海量存储设备)。其中,存储器1632和存储介质1630可以是短暂存储或持久存储。存储在存储介质1630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对训练设备中的一系列指令操作。更进一步地,中央处理器1614可以设置为与存储介质1630通信,在训练设备1600上执行存储介质1630中的一系列指令操作。
训练设备1600还可以包括一个或一个以上电源1626,一个或一个以上有线或无线网络接口1650,一个或一个以上输入输出接口1658;或,一个或一个以上操作***1641,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
具体的,训练设备可以执行图12对应实施例中的模型训练方法。
本申请实施例还涉及一种计算机存储介质,该计算机可读存储介质中存储有用于进行信号处理的程序,当其在计算机上运行时,使得计算机执行如前述执行设备所执行的步骤,或者,使得计算机执行如前述训练设备所执行的步骤。
本申请实施例还涉及一种计算机程序产品,该计算机程序产品存储有指令,该指令在由计算机执行时使得计算机执行如前述执行设备所执行的步骤,或者,使得计算机执行如前述训练设备所执行的步骤。
本申请实施例提供的执行设备、训练设备或终端设备具体可以为芯片,芯片包括:处理单元和通信单元,所述处理单元例如可以是处理器,所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令,以使执行设备内的芯片执行上述实施例描述的数据处理方法,或者,以使训练设备内的芯片执行上述实施例描述的数据处理方法。可选地,所述存储单元为所述芯片内的存储单元,如寄存器、缓存等,所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元,如只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)等。
具体的,请参阅图17,图17为本申请实施例提供的芯片的一个结构示意图,所述芯片可以表现为神经网络处理器NPU 1700,NPU 1700作为协处理器挂载到主CPU(Host CPU)上,由Host CPU分配任务。NPU的核心部分为运算电路1703,通过控制器1704控制运算电路1703提取存储器中的矩阵数据并进行乘法运算。
在一些实现中,运算电路1703内部包括多个处理单元(Process Engine,PE)。在一些实现中,运算电路1703是二维脉动阵列。运算电路1703还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路1703是通用的矩阵处理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路从权重存储器1702中取矩阵B相应的数据,并缓存在运算电路中每一个PE上。运算电路从输入存储器1701中取矩阵A数据与矩阵B进行矩阵运算,得到的矩阵的部分结果或最终结果,保存在累加器(accumulator)1708中。
统一存储器1706用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(Direct Memory Access Controller,DMAC)1705,DMAC被搬运到权重存储器1702中。输入数据也通过DMAC被搬运到统一存储器1706中。
BIU为Bus Interface Unit即,总线接口单元1713,用于AXI总线与DMAC和取指存储器(Instruction Fetch Buffer,IFB)1709的交互。
总线接口单元1713(Bus Interface Unit,简称BIU),用于取指存储器1709从外部存储器获取指令,还用于存储单元访问控制器1705从外部存储器获取输入矩阵A或者权重矩阵B的原数据。
DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器1706或将权重数据搬运到权重存储器1702中或将输入数据数据搬运到输入存储器1701中。
向量计算单元1707包括多个运算处理单元,在需要的情况下,对运算电路1703的输出做进一步处理,如向量乘,向量加,指数运算,对数运算,大小比较等等。主要用于神经网络中非卷积/全连接层网络计算,如Batch Normalization(批归一化),像素级求和,对预测标签平面进行上采样等。
在一些实现中,向量计算单元1707能将经处理的输出的向量存储到统一存储器1706。例如,向量计算单元1707可以将线性函数;或,非线性函数应用到运算电路1703的输出,例如对卷积层提取的预测标签平面进行线性插值,再例如累加值的向量,用以生成激活值。在一些实现中,向量计算单元1707生成归一化的值、像素级求和的值,或二者均有。在一些实现中,处理过的输出的向量能够用作到运算电路1703的激活输入,例如用于在神经网络中的后续层中的使用。
控制器1704连接的取指存储器(instruction fetch buffer)1709,用于存储控制器1704使用的指令;
统一存储器1706,输入存储器1701,权重存储器1702以及取指存储器1709均为On-Chip存储器。外部存储器私有于该NPU硬件架构。
其中,上述任一处提到的处理器,可以是一个通用中央处理器,微处理器,ASIC,或一个或多个用于控制上述程序执行的集成电路。
另外需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本申请提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,训练设备,或者网络设备等)执行本申请各个实施例所述的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、训练设备或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、训练设备或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的训练设备、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
Claims (24)
1.一种视觉任务处理方法,其特征在于,所述方法包括:
获取待处理图像;
通过目标模型对所述待处理图像进行处理,得到所述待处理图像的特征,所述目标模型包含第一模块以及第二模块,所述第一模块与所述第二模块连接,所述第一模块至少包含图神经网络,所述第二模块至少用于实现特征变换;
基于所述待处理图像的特征,完成针对所述待处理图像的视觉任务。
2.根据权利要求1所述的方法,其特征在于,所述第二模块的数量为N+M个,N≥1,M≥1,所述通过目标模型对所述待处理图像进行处理,得到所述待处理图像的特征包括:
通过串联的N个第二模块至少对所述待处理图像进行N次特征变换,得到第一特征;
通过所述第一模块至少对所述第一特征进行特征聚合,得到第二特征;
通过串联的M个第二模块至少对所述第二特征进行M次特征变换,得到第三特征;
基于所述第三特征,获取所述待处理图像的特征。
3.根据权利要求2所述的方法,其特征在于,所述目标模型还包含第三模块,所述基于所述第三特征,获取所述待处理图像的特征包括:
通过所述第三模块对所述待处理图像以及所述第三特征进行融合,得到第四特征;
基于所述第四特征,获取所述待处理图像的特征。
4.根据权利要求3所述的方法,其特征在于,所述目标模型还包含串联的K个第四模块以及第五模块,K≥1,所述基于所述第四特征,获取所述待处理图像的特征包括:
通过所述K个第四模块至少对所述第四特征进行K次特征变换,得到第五特征;
通过所述第五模块对所述第四特征以及所述第五特征进行融合,得到待处理图像的特征。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述第一模块还包含图神经网络、归一化层以及激活函数层,所述第一模块的图神经网络、所述第一模块的归一化层以及所述第一模块的激活函数层串联。
6.根据权利要求1至5任意一项所述的方法,其特征在于,所述第二模块包含特征变换层以及归一化层,所述第二模块的特征变换层以及所述第二模块的归一化层串联,所述第二模块的特征变换层为全连接层、卷积层或傅立叶变换层。
7.根据权利要求4所述的方法,其特征在于,所述第四模块包含特征变换层以及归一化层,所述第四模块的特征变换层以及所述第四模块的归一化层串联;或,
所述第四模块包含特征变换层、归一化层以及激活函数层,所述第四模块的特征变换层、所述第四模块的归一化层串联以及所述第四模块的激活函数层串联;
其中,所述第四模块的特征变换层为全连接层、卷积层或傅立叶变换层。
8.根据权利要求1至7任意一项所述的方法,其特征在于,所述通过目标模型对所述待处理图像进行处理,得到所述待处理图像的特征之前,所述方法还包括:
对所述待处理图像进行划分,得到P个图像块,P>1;
对所述P个图像块进行映射,获取所述P个图像块的向量表示;
基于所述P个图像块的向量表示构建所述待处理图像的初始特征;
所述通过目标模型对所述待处理图像进行处理,得到所述待处理图像的特征包括:
通过目标模型对所述待处理图像的初始特征进行处理,得到所述待处理图像的特征。
9.根据权利要求8所述的方法,其特征在于,所述基于所述P个图像块的向量表示构建所述待处理图像的初始特征之前,所述方法还包括:
将第i个图像块的位置编码与第i个图像块的向量表示进行相加,得到处理后的第i个图像块的向量表示,所述第i个图像块的位置编码用于指示所述第i个图像块在所述待处理图像中的位置,i=1,...,P;
所述基于所述P个图像块的向量表示构建所述待处理图像的初始特征包括:
基于处理后的P个图像块的向量表示构建所述待处理图像的初始特征。
10.根据权利要求1至9任意一项所述的方法,其特征在于,所述视觉任务包含以下至少一种:图像分类、目标检测、语义分割、图像去噪以及图像超分。
11.一种模型训练方法,其特征在于,所述方法包括:
获取待处理图像;
通过待训练模型对所述待处理图像进行处理,得到所述待处理图像的特征,所述待训练模型包含第一模块以及第二模块,所述第一模块与所述第二模块连接,所述第一模块至少包含图神经网络,所述第二模块至少用于实现特征变换;
基于所述待处理图像的特征以及所述待处理图像的真实特征,获取目标损失,所述目标损失用于指示所述待处理图像的特征以及所述待处理图像的真实特征之间差异;
基于所述目标损失,对所述待训练模型的参数进行更新,直至满足模型训练条件,得到目标模型。
12.根据权利要求11所述的方法,其特征在于,所述第二模块的数量为N+M个,N≥1,M≥1,所述通过待训练模型对所述待处理图像进行处理,得到所述待处理图像的特征包括:
通过串联的N个第二模块至少对所述待处理图像进行N次特征变换,得到第一特征;
通过所述第一模块至少对所述第一特征进行特征聚合,得到第二特征;
通过串联的M个第二模块至少对所述第二特征进行M次特征变换,得到第三特征;
基于所述第三特征,获取所述待处理图像的特征。
13.根据权利要求12所述的方法,其特征在于,所述待训练模型还包含第三模块,所述基于所述第三特征,获取所述待处理图像的特征包括:
通过所述第三模块对所述待处理图像以及所述第三特征进行融合,得到第四特征;
基于所述第四特征,获取所述待处理图像的特征。
14.根据权利要求13所述的方法,其特征在于,所述待训练模型还包含串联的K个第四模块以及第五模块,K≥1,所述基于所述第四特征,获取所述待处理图像的特征还包括:
通过所述K个第四模块至少对所述第四特征进行K次特征变换,得到第五特征;
通过所述第五模块对所述第四特征以及所述第五特征进行融合,得到待处理图像的特征。
15.根据权利要求11至14任意一项所述的方法,其特征在于,所述第一模块包含图神经网络、归一化层以及激活函数层,所述第一模块的图神经网络、所述第一模块的归一化层以及所述第一模块的激活函数层串联。
16.根据权利要求11至15任意一项所述的方法,其特征在于,所述第二模块包含特征变换层以及归一化层,所述第二模块的特征变换层以及所述第二模块的归一化层串联,所述第二模块的特征变换层为全连接层、卷积层或傅立叶变换层。
17.根据权利要求14所述的方法,其特征在于,所述第四模块包含特征变换层以及归一化层,所述第四模块的特征变换层以及所述第四模块的归一化层串联;或,
所述第四模块包含特征变换层、归一化层以及激活函数层,所述第四模块的特征变换层、所述第四模块的归一化层串联以及所述第四模块的激活函数层串联;
其中,所述第四模块的特征变换层为全连接层、卷积层或傅立叶变换层。
18.根据权利要求11至17任意一项所述的方法,其特征在于,所述通过待训练模型对所述待处理图像进行处理,得到所述待处理图像的特征之前,所述方法还包括:
对所述待处理图像进行划分,得到P个图像块,P>1;
对所述P个图像块进行映射,获取所述P个图像块的向量表示;
基于所述P个图像块的向量表示构建所述待处理图像的初始特征;
所述通过待训练模型对所述待处理图像进行处理,得到所述待处理图像的特征包括:
通过待训练模型对所述待处理图像的初始特征进行处理,得到所述待处理图像的特征。
19.根据权利要求18所述的方法,其特征在于,所述基于所述P个图像块的向量表示构建所述待处理图像的初始特征之前,所述方法还包括:
将第i个图像块的位置编码与第i个图像块的向量表示进行相加,得到处理后的第i个图像块的向量表示,所述第i个图像块的位置编码用于指示所述第i个图像块在所述待处理图像中的位置,i=1,...,P;
所述基于所述P个图像块的向量表示构建所述待处理图像的初始特征包括:
基于处理后的P个图像块的向量表示构建所述待处理图像的初始特征。
20.一种视觉任务处理装置,其特征在于,所述装置包括:
获取模块,用于获取待处理图像;
第一处理模块,用于通过目标模型对所述待处理图像进行处理,得到所述待处理图像的特征,所述目标模型包含第一模块以及第二模块,所述第一模块与所述第二模块连接,所述第一模块至少包含图神经网络,所述第二模块至少用于实现特征变换;
第二处理模块,用于基于所述待处理图像的特征,完成针对所述待处理图像的视觉任务。
21.一种模型训练装置,其特征在于,所述装置包括:
第一获取模块,用于获取待处理图像;
处理模块,用于通过待训练模型对所述待处理图像进行处理,得到所述待处理图像的特征,所述待训练模型包含第一模块以及第二模块,所述第一模块与所述第二模块连接,所述第一模块至少包含图神经网络,所述第二模块至少用于实现特征变换;
第二获取模块,用于基于所述待处理图像的特征以及所述待处理图像的真实特征,获取目标损失,所述目标损失用于指示所述待处理图像的特征以及所述待处理图像的真实特征之间差异;
更新模块,用于基于所述目标损失,对所述待训练模型的参数进行更新,直至满足模型训练条件,得到目标模型。
22.一种视觉任务处理装置,其特征在于,所述装置包括存储器和处理器;所述存储器存储有代码,所述处理器被配置为执行所述代码,当所述代码被执行时,所述视觉任务处理装置执行如权利要求1至19任意一项所述的方法。
23.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一个或多个指令,所述指令在由一个或多个计算机执行时使得所述一个或多个计算机实施权利要求1至19任一所述的方法。
24.一种计算机程序产品,其特征在于,所述计算机程序产品存储有指令,所述指令在由计算机执行时,使得所述计算机实施权利要求1至19任意一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210612484.XA CN117217982A (zh) | 2022-05-31 | 2022-05-31 | 一种视觉任务处理方法及其相关设备 |
PCT/CN2023/095069 WO2023231796A1 (zh) | 2022-05-31 | 2023-05-18 | 一种视觉任务处理方法及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210612484.XA CN117217982A (zh) | 2022-05-31 | 2022-05-31 | 一种视觉任务处理方法及其相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117217982A true CN117217982A (zh) | 2023-12-12 |
Family
ID=89026941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210612484.XA Pending CN117217982A (zh) | 2022-05-31 | 2022-05-31 | 一种视觉任务处理方法及其相关设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117217982A (zh) |
WO (1) | WO2023231796A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110070030B (zh) * | 2019-04-18 | 2021-10-15 | 北京迈格威科技有限公司 | 图像识别与神经网络模型的训练方法、装置和*** |
CN110222717B (zh) * | 2019-05-09 | 2022-01-14 | 华为技术有限公司 | 图像处理方法和装置 |
CN112990211B (zh) * | 2021-01-29 | 2023-07-11 | 华为技术有限公司 | 一种神经网络的训练方法、图像处理方法以及装置 |
CN113065638A (zh) * | 2021-02-27 | 2021-07-02 | 华为技术有限公司 | 一种神经网络压缩方法及其相关设备 |
-
2022
- 2022-05-31 CN CN202210612484.XA patent/CN117217982A/zh active Pending
-
2023
- 2023-05-18 WO PCT/CN2023/095069 patent/WO2023231796A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023231796A1 (zh) | 2023-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022022274A1 (zh) | 一种模型训练方法及装置 | |
WO2022068623A1 (zh) | 一种模型训练方法及相关设备 | |
CN113065633B (zh) | 一种模型训练方法及其相关联设备 | |
CN115238909A (zh) | 一种基于联邦学习的数据价值评估方法及其相关设备 | |
CN113627422A (zh) | 一种图像分类方法及其相关设备 | |
CN114169393A (zh) | 一种图像分类方法及其相关设备 | |
WO2023185541A1 (zh) | 一种模型训练方法及其相关设备 | |
CN116739154A (zh) | 一种故障预测方法及其相关设备 | |
CN117056589A (zh) | 一种物品推荐方法及其相关设备 | |
WO2023045949A1 (zh) | 一种模型训练方法及其相关设备 | |
CN116312489A (zh) | 一种模型训练方法及其相关设备 | |
CN115795025A (zh) | 一种摘要生成方法及其相关设备 | |
CN115623242A (zh) | 一种视频处理方法及其相关设备 | |
CN115907041A (zh) | 一种模型训练方法及装置 | |
CN114707643A (zh) | 一种模型切分方法及其相关设备 | |
CN115292583A (zh) | 一种项目推荐方法及其相关设备 | |
CN114707070A (zh) | 一种用户行为预测方法及其相关设备 | |
CN113065638A (zh) | 一种神经网络压缩方法及其相关设备 | |
CN117217982A (zh) | 一种视觉任务处理方法及其相关设备 | |
WO2024061123A1 (zh) | 一种图像处理方法及其相关设备 | |
CN116611861A (zh) | 一种消费预测方法及其相关设备 | |
WO2023236900A1 (zh) | 一种项目推荐方法及其相关设备 | |
CN116882472A (zh) | 一种训练数据评估方法及其相关设备 | |
CN117061733A (zh) | 一种视频评估方法及其相关设备 | |
CN116310677A (zh) | 一种图像处理方法及其相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |