[发明专利]神经网络模型的处理方法及装置、电子设备、存储介质

说明书

本申请公开了一种神经网络模型的处理方法及装置、电子设备，所述方法包括：获取第一神经网络模型；获取第一样本图像，所述第一样本图像的采集视角为第一视角；基于所述第一样本图像，对所述第一神经网络模型进行训练，得到训练好的所述第一神经网络模型。

技术领域

本申请涉及计算机视觉技术，尤其涉及一种神经网络模型的处理方法及装置、电子设备、存储介质。

背景技术

近年来，计算机视觉技术发展迅速，现在人们已经可以使用训练好的神经网络模型完成各种视觉任务，如图像分类、物体追踪、人脸识别等。

依靠技术的发展，训练和使用这些神经网络模型的成本越来越低，支持深度学习框架与一些特殊硬件的平台可以加载以及使用这样的神经网络模型，如机器人。机器人可搭载视觉传感器获取视觉信号输入，并且支持深度学习框架。但是，机器人的视角为仰视视角，使得传感器的输入有视角限制，神经网络模型不能直接迁移到机器人上。

发明内容

本申请实施例提供了一种神经网络模型的处理方法及装置、电子设备、计算机程序及存储介质。

本申请实施例提供的神经网络模型的处理方法，包括：

获取第一神经网络模型；

获取第一样本图像，所述第一样本图像的采集视角为第一视角；

基于所述第一样本图像，对所述第一神经网络模型进行训练，得到训练好的所述第一神经网络模型。

上述技术方案，采用具有第一视角的第一样本图像来训练第一神经网络模型，训练好的所述第一神经网络模型可以适用于具有第一视角的图像的标签预测。

在本申请一可选实施方式中，所述方法还包括：

获取所述第一样本图像后，对所述第一样本图像进行以下至少一种处理操作：翻转、旋转、剪裁、平移、亮度调节，得到至少一张处理后的第一样本图像；

所述基于所述第一样本图像，对所述第一神经网络模型进行训练，包括：

基于所述第一样本图像和所述至少一张处理后的第一样本图像，对所述第一神经网络模型进行训练。

上述技术方案，获取到具有第一视角的第一样本图像后，对该第一样本图像采用翻转、旋转、剪裁、平移、亮度调节等任意一种或多种操作进行处理，可以实现数据扩充，增加数据丰富性，有利于提高对第一神经网络模型的训练效果。

在本申请一可选实施方式中，所述获取第一神经网络模型，包括：

获取待处理模型；

获取第二样本图像，所述第二样本图像的采集视角为第二视角；

基于所述第二样本图像，对所述待处理模型进行训练，得到所述第一神经网络模型。

上述技术方案，具有第二视角的第二样本图像和具有第一视角的第一样本图像在视角上有差别，在特征上基本一致，通过具有第二视角的第二样本图像对待处理模型进行训练，得到的第一神经网络模型在特征提取部分预先达到了优化，有利于提高第一神经网络模型的训练效率。

在本申请一可选实施方式中，所述方法还包括：

获取所要执行的视觉任务；

根据所要执行的视觉任务，选择所述视觉任务对应的待处理模型。

上述技术方案，不同的视觉任务对应不同的处理模型，获取所要执行的视觉任务；根据所要执行的视觉任务，选择所述视觉任务对应的待处理模型，使得待处理模型符合电子设备的任务需求。

在本申请一可选实施方式中，所述方法还包括：