[发明专利]神经网络训练、图像处理方法及装置、设备及存储介质

说明书

本发明实施例公开了一种神经网络训练、图像处理方法及装置、设备及存储介质。所述方法包括：将源域的第一样本图像输入到待训练的神经网络获得第一特征；将目标域的第二样本图像输入到所述神经网络获得第二特征；基于所述第一特征和所述第二特征之间的差别得到第一类损失值；基于所述第一类损失值，调整所述神经网络的网络参数。

技术领域

本发明涉及信息技术领域，尤其涉及一种神经网络训练、图像处理方法及装置、设备及存储介质。

背景技术

神经网络可以通过训练集的训练之后，具有一定的分类或识别能力。所述训练集通常包括：样本图像及样本图像的标注结果。只有获取到了样本图像的标注结果，才能够将训练过程中的神经网络的输出的预测结果与标注结果进行比对得到损失值，从而进一步确定是否需要继续训练神经网络。而当训练数据的分布和后续神经网络上线应用过程中使用的测试数据的分布不一致时会导致神经网络的性能急剧下降。

发明内容

有鉴于此，本发明实施例期望提供一种神经网络训练方法及装置、电子设备及存储介质，以及一种图像处理方法及装置、电子设备和存储介质。一种神经网络的训练方法，包括：

将源域的第一样本图像输入到待训练的神经网络获得第一特征；

将目标域的第二样本图像输入到所述神经网络获得第二特征；

基于所述第一特征和所述第二特征之间的差别得到第一类损失值；

基于所述第一类损失值，调整所述神经网络的网络参数。

基于上述方案，所述基于所述第一特征和所述第二特征之间的差别得到第一类损失值，包括：

基于所述神经网络中至少两个网络层中的每个网络层输出的第一特征和第二特征，分别得到每个网络层的所述第一特征和第二特征之间的差别；

基于每个网络层的所述第一特征和第二特征之间的差别确定所述第一类损失值。

基于上述方案，所述基于所述神经网络至少两个层分别得到所述第一特征和第二特征之间的差别，得到至少两个所述第一类损失值，包括：

基于所述神经网络的第n层输出的所述第一特征和所述第二特征之间的差别，得到所述第一类损失值的第一损失值；

基于所述神经网络的第m层输出的所述第一特征和所述第二特征之间的差别，得到所述第一类损失值的第二损失值；其中，m和n均为正整数，m不等于n。

基于上述方案，m和n均小于S，S为所述神经网络的总层数。

基于上述方案，n大于S/4，且小于S/2；和/或，m大于S/2。

基于上述方案，所述方法还包括：

获得所述神经网络输出的第一样本图像的处理结果；

基于所述处理结果及所述第一样本图像的标注结果得到第二类损失值；

所述基于所述第一类损失值，调整所述神经网络的网络参数，包括：基于所述第一类损失值和所述第二类损失值，调整所述神经网络的网络参数。

基于上述方案，所述基于所述第一类损失值和所述第二类损失值，调整所述神经网络的网络参数，包括：

基于由所述第一类损失值与第一权重确定的第一乘积、由所述第二类损失值与第二权重确定的第二乘积，得到训练损失值，其中，所述第一乘积和所述第二乘积属于同一数量级的数值；

基于所述训练损失值调整所述神经网络的网络参数。

基于上述方案，所述基于所述第一特征和所述第二特征之间的差别得到第一类损失值，包括：

基于所述第一特征和所述第二特征之间的差别确定本次迭代损失值；