[发明专利]神经网络模型调整方法、装置、设备及存储介质

权利要求书

1.一种神经网络模型调整方法，其特征在于，包括：

将目标数量的样本数据输入至神经网络模型，并根据所述神经网络模型的第一输出结果更新所述神经网络模型的模型参数，更新前所述模型参数为第一参数，更新后所述模型参数为第二参数；

将目标数量的应用数据输入至更新后的神经网络模型，并根据所述更新后的神经网络模型的第二输出结果和所述第二参数修正所述神经网络模型的模型参数，修正前所述模型参数为第一参数，修正后所述模型参数为第三参数。

2.根据权利要求1所述的神经网络模型调整方法，其特征在于，所述神经网络模型包括主干网络模型和头部网络模型，所述主干网络模型用于提取所述神经网络模型输入数据的特征向量；所述头部网络模型用于根据所述特征向量得到所述神经网络模型的输出结果。

3.根据权利要求2所述的神经网络模型调整方法，其特征在于，所述主干网络模型包括第一主干网络模型，所述头部网络模型包括第一头部网络模型和第二头部网络模型，

所述目标数量的样本数据输入至所述第一主干网络模型时，所述第一主干网络模型用于输出第一特征向量，所述目标数量的应用数据输入至所述第一主干网络模型时，所述第一主干网络模型用于输出第二特征向量；

所述第一头部网络模型用于根据所述第一特征向量得到所述第一输出结果；

所述第二头部网络模型用于根据所述第二特征向量得到所述第二输出结果。

4.根据权利要求3所述的神经网络模型调整方法，其特征在于，所述第一参数包括所述第一主干网络模型的第一初始参数和所述第一头部网络模型的第二初始参数，所述第二参数包括所述第一主干网络模型的第一假更新参数和所述第一头部网络模型的第一真更新参数；

所述将目标数量的样本数据输入至神经网络模型，并根据所述神经网络模型的第一输出结果更新所述神经网络模型的模型参数包括：

将目标数量的样本数据输入至神经网络模型，以得到对应的第一输出结果；

根据所述第一输出结果计算所述神经网络模型的第一损失函数；

根据所述第一损失函数确定所述第一初始参数的第一梯度和所述第二初始参数的第二梯度；

根据所述第一梯度和第一学习率将所述第一初始参数更新为所述第一假更新参数，并根据所述第二梯度和所述第一学习率将所述第二初始参数更新为所述第一真更新参数。

5.根据权利要求4所述的神经网络模型调整方法，其特征在于，所述第一参数还包括所述第二头部网络模型的第三初始参数，所述第三参数包括所述第一主干网络模型的第二真更新参数和所述第二头部网络模型的第三真更新参数；

所述将目标数量的应用数据输入至更新后的神经网络模型，并根据所述更新后的神经网络模型的第二输出结果和所述第二参数修正所述神经网络模型的模型参数包括：

将目标数量的应用数据输入至更新后的神经网络模型，以得到对应的第二输出结果；

根据所述第二输出结果计算所述更新后的神经网络模型的第二损失函数；

根据所述第二损失函数确定所述第一假更新参数的第三梯度和所述第三初始参数的第四梯度；

根据所述第一梯度、所述第三梯度和第二学习率将所述第一初始参数修正为所述第二真更新参数，并根据所述第四梯度和所述第二学习率将所述第三初始参数修正为所述第三真更新参数。

6.根据权利要求2所述的神经网络模型调整方法，其特征在于，所述主干网络模型包括第二主干网络模型，所述头部网络模型包括第三头部网络模型。