[发明专利]神经网络结构的生成方法、装置、存储介质及电子设备在审

专利信息
申请号: 202010605458.5 申请日: 2020-06-29
公开(公告)号: CN111967569A 公开(公告)日: 2020-11-20
发明(设计)人: 徐昇;张滨;苑鹏程;林书妃;韩树民;徐英博;冯原;辛颖;王晓迪;刘静伟;文石磊;章宏武;丁二锐 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06N3/04 分类号: G06N3/04;G06N3/08
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 韩海花
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 神经网络 结构 生成 方法 装置 存储 介质 电子设备
【权利要求书】:

1.一种神经网络结构的生成方法,包括:

对搜索空间内的网络结构集合进行采样,以得到多个候选网络结构,其中,所述候选网络结构包括多条边,各条所述边对应至少一种节点选取操作;

采用训练数据集分别对所述多个候选网络结构进行训练,并获取训练后的多个所述候选网络结构基于各种所述节点选取操作的目标检测效果;以及

根据所述目标检测效果,在所述搜索空间的所述网络结构集合之中进行搜索以生成目标神经网络结构。

2.根据权利要求1所述的神经网络结构的生成方法,其中,所述根据所述目标检测效果,在所述搜索空间的所述网络结构集合之中进行搜索以生成目标神经网络结构,包括:

根据所述目标检测效果,对所述网络结构集合内的所述各条边对应的部分节点选取操作进行删除处理;

判断删除处理后的目标网络结构集合是否满足设定条件;

当所述目标网络结构集合满足所述设定条件时,执行对所述目标网络结构集合内剩余的节点的选取操作,以生成目标神经网络结构;

当所述目标网络结构集合不满足所述设定条件时,对所述搜索空间内的目标网络结构集合进行采样。

3.根据权利要求2所述的神经网络结构的生成方法,其中,所述根据所述目标检测效果,对所述网络结构集合内的各条所述边对应的部分节点选取操作进行删除处理,包括:

根据所述目标检测效果,确定所述各条边对应的各所述节点选取操作的评分值;

针对所述各条边,删除最小的评分值所属的节点选取操作。

4.根据权利要求3所述的神经网络结构的生成方法,其中,所述根据所述目标检测效果,确定各条所述边对应的节点选取操作的评分值,包括:

针对各种所述节点选取操作,分别确定其基于每个所述候选网络结构的目标检测效果下的第一评分值;

当所述节点选取操作被多个所述候选网络结构所采样时,确定多个所述候选网络结构对应的多个所述第一评分值的均值,并将所述均值作为所述对应的评分值;

当所述节点选取操作仅被一个所述候选网络结构所采样时,则直接将所述候选网络结构相应的第一评分值作为所述对应的评分值。

5.根据权利要求2-4任一项所述的神经网络结构的生成方法,其中,

当所述目标网络结构集合内,各条所述边仅对应一种节点选取操作时,确定所述目标网络结构集合满足所述设定条件。

6.根据权利要求1所述的神经网络结构的生成方法,其中,在所述对搜索空间内的网络结构集合进行采样之前,还包括:

获取初始数据集;

基于目标检测的任务对所述初始数据集进行增广处理,得到增广数据集;

其中,在所述采用训练数据集分别对所述多个候选网络结构进行训练之前,还包括:

从所述增广数据集内提取所述训练数据集。

7.根据权利要求6所述的神经网络结构的生成方法,其中,所述获取训练后的多个所述候选网络结构基于各种所述节点选取操作的目标检测效果,包括:

从所述增广数据集内提取验证数据集;

采用所述验证数据集,对所述训练后的多个所述候选网络结构基于各种所述节点选取操作的检测效果进行验证,以得到所述目标检测效果。

8.一种神经网络结构的生成装置,包括:

采样模块,用于对搜索空间内的网络结构集合进行采样,以得到多个候选网络结构,其中,所述候选网络结构包括多条边,各条所述边对应至少一种节点选取操作;

训练模块,用于采用训练数据集分别对所述多个候选网络结构进行训练,并获取训练后的多个所述候选网络结构基于各种所述节点选取操作的目标检测效果;以及

生成模块,用于根据所述目标检测效果,在所述搜索空间的所述网络结构集合之中进行搜索以生成目标神经网络结构。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010605458.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top