[发明专利]神经网络自适应训练方法和装置、设备、程序和存储介质

说明书

本发明实施例公开了一种神经网络自适应训练方法和装置、电子设备、计算机程序和存储介质。其中，方法包括：放大第二图像；向作为当前待训练神经网络的第一神经网络输入放大后的第二图像，得到经所述第一神经网络处理后且调整为与所述第二图像等大的第三图像；基于所述第二图像并以所述第三图像为监督数据，对所述第一神经网络进行训练。本发明实施例可以获得更有效的自适应效果。

技术领域

本发明属于计算机视觉技术领域，特别是涉及一种神经网络自适应训练方法和装置、电子设备、计算机程序和存储介质。

背景技术

随着深度学习技术的不断发展，卷积神经网络在像素级图像处理问题上的应用越来越广泛，这类像素级图像处理问题的特点是：输入的是一幅或者两幅图像，经过图像处理后输出的也是一幅图像，并且输出图像与输入图像之间存在着一定的关联。例如：双目立体匹配，其输入的是双目视觉系统采集得到的校准过的左图和右图，输出的是对应的视差图；又例如：图像语义分割，其输入的是一幅图像，输出的是对应的含有语义标注的图像；再例如：光流估计，其输入的是两幅连续的图像，输出的是对应的光流场图像。

发明内容

本发明实施例提供一种神经网络自适应训练技术方案。

根据本发明实施例的一个方面，提供一种神经网络自适应训练方法，包括：

放大第二图像；

向作为当前待训练神经网络的第一神经网络输入放大后的第二图像，得到经所述第一神经网络处理后且调整为与所述第二图像等大的第三图像；

基于所述第二图像并以所述第三图像为监督数据，对所述第一神经网络进行训练。

可选地，在本发明上述任一方法实施例中，还包括：

基于第一图像并以所述第一图像的标注信息为监督数据，对所述第一神经网络进行训练。

可选地，在本发明上述任一方法实施例中，所述当前待训练的神经网络训练完成后作为针对第二场景的图像处理任务的神经网络；

所述第一神经网络在作为所述当前待训练的神经网络之前，用于处理针对第一场景的图像处理任务，其中，所述第一场景和所述第二场景不同。

可选地，在本发明上述任一方法实施例中，所述第一图像为对应所述第一场景的图像，所述第二图像为对应所述第二场景的图像。

可选地，在本发明上述任一方法实施例中，所述第二图像为在所述第二场景下的采集图像。

可选地，在本发明上述任一方法实施例中，还包括：

获取训练图像集，所述训练图像集包括：至少一所述第一图像，和/或，至少一所述第二图像

可选地，在本发明上述任一方法实施例中，所述第一神经网络的训练为多次迭代训练，

任一迭代训练的训练图像集包括：至少一所述第一图像，和/或，至少一所述第二图像；

各次迭代的训练图像集的合集包括：至少一所述第一图像，和至少一所述第二图像。

可选地，在本发明上述任一方法实施例中，所述获取训练图像集包括：

从无标注图像集中选取至少一所述第二图像；和/或，

从标注图像集中选取至少一所述第一图像。

可选地，在本发明上述任一方法实施例中，所述放大第二图像之前，还包括：确定所述第二图像为无标注图像；和/或，

所述基于第一图像并以所述第一图像的标注为监督数据，对所述第一神经网络进行训练之前，还包括：确定所述第一图像为标注图像。