[发明专利]卷积神经网络的处理方法、装置和电子设备

说明书

本发明实施例提供了一种卷积神经网络的处理方法、装置和电子设备。该卷积神经网络的处理方法包括：简化已训练完成的第一卷积神经网络，获得第二卷积神经网络；分别通过第一卷积神经网络和第二卷积神经网络检测第一训练样本数据，获得所述第一卷积神经网络输出的第一检测数据和所述第二卷积神经网络输出的第二检测数据；确定所述第一检测数据和所述第二检测数据之间的第一差异；至少根据所述第一差异调整所述第二卷积神经网络的网络参数。可得到保持精确度相对不受损的小型卷积神经网络，利于在运算能力低、资源受限的设备上运用训练好的小型卷积神经网络实现相同功能，提高该卷积神经网络的运用灵活性。

技术领域

本发明实施例涉及人工智能技术，尤其涉及一种卷积神经网络的处理方法、装置和电子设备。

背景技术

近年来，随着人工智能技术的普及与发展，卷积神经网络逐渐成为用于计算机视觉和模式识别的一个重要的研究领域，它通过计算机仿照生物大脑思维启发进行类似人类对特定对象的信息处理。通过卷积神经网络，能够有效地进行对象检测和识别。随着互联网技术的发展，信息量的急剧增加，卷积神经网络被越来越广泛地应用于对象检测及识别领域，以从大量的信息中寻找出实际所需的信息。以图像识别领域为例，基于卷积神经网络的图像识别技术能够自动学习图像的有效特征。

在实际应用中，由于需要检测或识别的目标对象的个体差异和环境变化等原因，所需要的卷积神经网络参数不得不增加到非常多，以达到较为准确的预测效果。但是，这会大量增加计算量，进而导致速度缓慢、效率低，很难被应用到实际场景中。

发明内容

本发明实施例提供一种卷积神经网络处理方案及物体检测技术方案。

根据本发明实施例的一方面，提供了一种卷积神经网络的处理方法，包括：简化已训练完成的第一卷积神经网络，获得第二卷积神经网络；分别通过第一卷积神经网络和第二卷积神经网络检测第一训练样本数据，获得所述第一卷积神经网络输出的第一检测数据和所述第二卷积神经网络输出的第二检测数据；确定所述第一检测数据和所述第二检测数据之间的第一差异；至少根据所述第一差异调整所述第二卷积神经网络的网络参数。

可选地，在简化已训练完成的第一卷积神经网络之前，还包括：使用带标注的第二训练样本数据，调整所述第一卷积神经网络的网络参数，以完成所述第一卷积神经网络的训练。

可选地，所述简化已训练完成的第一卷积神经网络，获得第二卷积神经网络，包括：减小所述第一卷积神经网络中至少一卷积层的卷积核的个数，获得所述第二卷积神经网络。

可选地，减小所述第一卷积神经网络中至少一卷积层的卷积核的个数，获得所述第二卷积神经网络，包括：减小所述第一卷积神经网络中各卷积层的卷积核的个数，获得所述第二卷积神经网络。

可选地，在至少根据所述第一差异调整所述第二卷积神经网络的网络参数之前，还包括：确定所述第二检测数据和所述第一训练样本数据的标注数据之间的第二差异。所述至少根据所述第一差异调整所述第二卷积神经网络的网络参数包括：根据所述第一差异和所述第二差异调整所述第二卷积神经网络的网络参数。

可选地，所述根据所述第一差异和所述第二差异调整所述第二卷积神经网络的网络参数包括：分别对所述第一差异和所述第二差异进行加权处理；根据加权处理后的第一差异和第二差异调整所述第二卷积神经网络的网络参数。

根据本发明实施例的另一方面，提供了一种物体检测方法，包括：获取待检测图像；采用如前所述任一卷积神经网络的处理方法训练得到的第二卷积神经网络检测所述待检测图像中的目标对象。

可选地，所述待检测图像为待检测的视频帧或静态图像。

可选地，所述目标对象是人脸、行人或车辆。