[发明专利]神经网络搜索方法、图像处理方法及装置、设备和介质

说明书

本申请实施例提供一种神经网络搜索方法、图像处理方法及装置、设备和介质，其中，对多个可选卷积操作对应的多个可选通道数进行采样，得到神经网络中的第一网络单元的候选通道数集合；基于所述第一网络单元的候选通道数集合包括的至少两个候选通道数，对所述多个可选卷积操作进行采样，得到所述第一网络单元的至少两个候选卷积操作集合；基于通过所述神经网络的多个网络单元对输入图像进行处理得到的图像处理结果，调整所述神经网络的网络参数。

技术领域

本申请实施例涉及机器学习领域，涉及但不限于神经网络搜索方法、图像处理方法及装置、设备和介质。

背景技术

卷积神经网络的设计是所有深度学习相关方法的基础工作。好的神经网络结构可以提高深度学习任务的效果。在一些网络结构搜索方法中，预先定义几种候选的块结构，每层网络只能在预定义的这几种块结构中进行选择，得到的神经网络性能有待进一步提高。

发明内容

本申请实施例提供一种神经网络搜索方案和图像处理方案。

本申请实施例提供一种神经网络搜索方法，所述方法包括：

对多个可选卷积操作对应的多个可选通道数进行采样，得到神经网络中的第一网络单元的候选通道数集合，其中，所述多个可选卷积操作对应的多个可选通道数包括所述多个可选卷积操作中每个可选卷积操作的至少一个可选通道数；基于所述第一网络单元的候选通道数集合包括的至少两个候选通道数，对所述多个可选卷积操作进行采样，得到所述第一网络单元的至少两个候选卷积操作集合，其中，每个候选卷积操作集合包括所述多个可选卷积操作中的至少一个可选卷积操作；基于通过所述神经网络的多个网络单元对输入图像进行处理得到的图像处理结果，调整所述神经网络的网络参数，其中，所述多个网络单元包括所述第一网络单元。

在本申请实施例中，所述对多个可选卷积操作对应的多个可选通道数进行采样，得到神经网络中的第一网络单元的候选通道数集合，包括：根据所述多个可选卷积操作对应的多个可选通道数中每个可选通道数的当前结构参数，对所述多个可选通道数进行采样，得到第一网络单元的候选通道数集合。

在本申请实施例中，所述对多个可选卷积操作对应的多个可选通道数进行采样，得到神经网络中的第一网络单元的候选通道数集合，包括：对多个可选卷积操作对应的多个可选通道数进行采样，得到多个候选通道数；响应于所述多个候选通道数的数量超过所述第一网络单元的最大分支数，基于所述多个候选通道数的当前结构参数和所述最大分支数，对所述多个候选通道数进行采样，得到所述第一网络单元的候选通道数集合；其中，所述候选通道数集合包含的至少两个候选通道数的个数等于所述最大分支数；其中，所述多个候选通道数包括所述多个可选卷积操作中每个可选卷积操作的至少一个可选通道数。

在本申请实施例中，所述基于所述第一网络单元的候选通道数集合包括的至少两个候选通道数，对所述多个可选卷积操作进行采样，得到所述第一网络单元的至少两个候选卷积操作集合，包括：基于所述至少两个候选通道数，确定所述多个可选卷积操作的多个可选卷积操作组合；基于所述多个可选卷积操作组合的联合概率，对所述多个可选卷积操作进行至少两次采样，得到所述第一网络单元的至少两个候选卷积操作集合。

在本申请实施例中，所述基于所述至少两个候选通道数，确定所述多个可选卷积操作的多个可选卷积操作组合，包括：确定所述至少两个候选通道数对应的至少两个可选卷积操作；基于所述至少两个可选卷积操作，确定多个可选卷积操作组合，其中，每个可选卷积操作组合包含所述至少两个可选卷积操作中的至少一个可选卷积操作。

在本申请实施例中，所述基于所述多个可选卷积操作组合的联合概率，对所述多个可选卷积操作进行至少两次采样，得到所述第一网络单元的至少两个候选卷积操作集合，包括：将所述多个可选卷积操作组合中联合概率最大的前预设个数个可选卷积操作组合作为所述第一网络单元的至少两个候选卷积操作集合。