[发明专利]域自适应的神经网络实现的装置和方法

权利要求书

1.一种处理器实现的神经网络方法，所述方法包括：

获得在源域中预训练的神经网络和所述源域的第一样式特征；

使用所述神经网络从所接收的目标域的输入数据中提取所述目标域的第二样式特征；

通过基于所述源域的第一样式特征和所述目标域的第二样式特征对所述输入数据执行样式匹配，来执行所述输入数据的域自适应；以及

通过使用所述神经网络处理经样式匹配的输入数据来生成推断结果。

2.根据权利要求1所述的方法，其中，所述提取包括：

从包括在所述神经网络中的多个层中的至少一层中提取与所述输入数据相对应的样式信息；以及

基于所述样式信息来确定所述目标域的第二样式特征。

3.根据权利要求2所述的方法，其中，执行所述域自适应包括：执行与所述目标域的第二样式特征相对应的样式信息与所述源域的第一样式特征的样式匹配。

4.根据权利要求3所述的方法，其中，所述样式信息包括从包括在相应层中的多个节点输出的值的平均值和方差。

5.根据权利要求4所述的方法，其中，执行所述域自适应包括：基于所述源域的第一样式特征和所述目标域的第二样式特征，通过自适应实例归一化AIN来执行所述样式信息与所述源域的第一样式特征的样式匹配。

6.根据权利要求3所述的方法，其中，所述样式信息包括从包括在相应层中的多个节点输出的值的平均值和协方差。

7.根据权利要求6所述的方法，其中，执行所述域自适应包括：基于所述源域的第一样式特征和所述目标域的第二样式特征，通过白化和着色变换WCT过程来执行所述样式信息与所述源域的第一样式特征的所述样式匹配。

8.根据权利要求1所述的方法，其中，执行所述域自适应包括：

响应于接收到包括所述输入数据在内的多个输入数据，确定从所接收的多个输入数据中提取的第二样式特征的代表性样式特征；以及

通过基于所述源域的第一样式特征和所述代表性样式特征对所述多个输入数据进行样式匹配，来执行所述输入数据的域自适应。

9.根据权利要求1所述的方法，其中，提取所述第二样式特征包括：

对所接收的输入数据进行采样；

通过将所采样的接收的输入数据应用于所述神经网络来提取与包括在所述神经网络中的多个层相对应的第二特征；以及

通过计算所提取的第二特征的第二统计值来提取所述第二样式特征。

10.根据权利要求1所述的方法，其中，所述源域的第一样式特征包括第一统计值，所述第一统计值是基于通过将所述源域的采样数据应用于所述神经网络而提取的第一特征所计算出的。

11.根据权利要求1所述的方法，其中，所述源域包括多个域，并且

所述源域的第一样式特征包括第三统计值，所述第三统计值是基于通过将针对所述多个域的每个标签而采样的批量应用于所述神经网络而提取的第一特征所计算出的。

12.根据权利要求1所述的方法，其中，所述神经网络被配置为执行期望的预定操作，并且

所述期望的预定操作包括图像识别、语音识别、生物特征信号识别和图像分割中的任何一种或任何组合。

13.根据权利要求1所述的方法，其中，所接收的输入数据包括语音数据、图像数据和生物特征信号数据中的任何一种或任何组合。

14.一种存储指令的非暂时性计算机可读存储介质，所述指令在由处理器执行时使所述处理器执行根据权利要求1所述的操作方法。