[发明专利]使用一个神经网络来训练另一个神经网络

说明书

本公开内容提出了用于使用一个神经网络来训练另一个神经网络的方法、系统和非暂时性机器可读存储介质。在示例性实施例中，通过向第一DCNN输入多个样本文档来训练第一DCNN以输出第一度量的值，其中，样本文档中的每个样本文档已经利用第一度量的值进行了标注。然后将第一输入文档的多个可能变换馈送到第一DCNN，获得多个可能变换中的每个可能变换的第一度量的值。基于多个可能变换中的每个可能变换的第一度量的值，从多个可能变换中选择第一变换。然后通过将所选择的第一变换输入到第二DCNN来训练第二DCNN以输出文档的变换。将第二输入文档馈送到第二DCNN，获得第二输入文档的第二变换。

本PCT申请要求享有于2016年5月31日提交的序列号为15,168,750的美国专利申请、以及于2016年5月31日提交的序列号为15,169,063的美国专利申请的申请日权益，通过引用的方式将上述每个申请的完整内容并入本文。

技术领域

概括地说，本公开内容涉及用于解决机器学习中的技术挑战的计算机技术。更具体地说，本公开内容涉及使用一个神经网络来训练另一个神经网络。

背景技术

互联网的兴起已使得数字图像的使用增加，在所述数字图像中传达了人们的各个方面。数码照片的一个常见用途是在社交网络上创建简档。社交网络越来越普遍地被用于从事专业而不是个人的通信和研究。例如，某些社交网络成员通常以与简历类似的方式创建列出他们的专业成就的简档，以及指导、邀请或至少使潜在雇主可以访问社交网络简档。成员将他们自己的一些照片放在这样的成员简档上正变得越来越普遍。

以这样的专业能力使用照片时出现的问题是：成员可能容易在其成员简档页面上使用不具有最高质量的照片，或者因为拍摄该照片所涉及的摄影技术不是具有最高质量的(例如，光线不好、主体构图不佳、阴影不佳等)，或者因为主题本身在某些方面的缺乏(例如，头部的角度不寻常、所穿的衣服太随意、背景场景太随意等等)。这些问题通常是由于以下事实而导致的：现今许多数码照片是非专业人员(例如，拍摄自拍照的成员，或者快速拍摄的朋友)使用非专业相机设备(例如，智能手机)拍摄的。虽然可以对照片的某些技术细节进行量化以识别“图像质量”，但是难以将图像质量扩展到图像的“专业度”的更模糊的概念。例如，照片可能确实是完美拍摄的，具有完美的光线和阴影，但照片的主体可能是穿着彩色T恤而不是西装和领带，或者可能是穿戴着西装和领带但是没有注视着相机镜头。当认识到可能存在可能意味着关于该主题的专业度水平的无限数量的关于照片的这些小细节时，这变得更具挑战性，并且随着标准的变化，这些无限数量的小细节可能随着时间而发展，并且还可能基于诸如行业和地点等的因素而变化(例如，如果主体是在硅谷工作的计算机程序员，则穿着T恤可能是专业上可接受的，但如果主体是纽约的财务顾问则不然)。

发明内容

提供本发明内容以便介绍一组构思，这组构思将在以下的具体实施方式中做进一步描述。本发明内容并非旨在标识所保护的主题的关键特征或必要特征，也不旨在用于限制所保护的主题的范围。

本公开内容的实施例提出了用于使用一个神经网络来训练另一个神经网络的方法、系统和非暂时性机器可读存储介质。通过向第一DCNN输入多个样本文档来训练第一DCNN以输出第一度量的值，其中，样本文档中的每个样本文档已经利用第一度量的值进行了标注。然后将第一输入文档的多个可能变换馈送到第一DCNN，获得多个可能变换中的每个可能变换的第一度量的值。基于多个可能变换中的每个可能变换的第一度量的值，从多个可能变换中选择第一变换。然后通过将所选择的第一变换输入到第二DCNN来训练第二DCNN以输出文档的变换。将第二输入文档馈送到第二DCNN，获得第二输入文档的第二变换。

应当注意，以上一个或多个方面包括在下文中详细描述并且在权利要求中具体指出的特征。以下说明书及附图详细阐述了所述一个或多个方面的某些说明性特征。这些特征仅仅指示可以采用各个方面的原理的各种方式，并且本公开内容旨在包括所有这些方面及其等同变换。

附图说明

在附图的图示中，通过示例而非限制的方式示出了技术的一些实施例。