[发明专利]域自适应的神经网络实现的装置和方法

说明书

一种处理器实现的神经网络操作方法，该操作方法包括：获得在源域中预训练的神经网络和源域的第一样式特征；使用神经网络从所接收的目标域的输入数据中提取目标域的第二样式特征；通过基于源域的第一样式特征和目标域的第二样式特征对输入数据执行样式匹配，来执行输入数据的域自适应；以及使用神经网络来处理经样式匹配的输入数据。

相关申请的交叉引用

本申请要求于2019年12月12日在韩国知识产权局递交的韩国专利申请No.10-2019-0165774的优先权，其全部公开内容通过引用合并于此以用于所有目的。

技术领域

以下描述涉及域自适应的神经网络实现的装置和方法和方法。

背景技术

域自适应是指如果源域具有输入和基本事实并且目标域仅具有输入，则将针对源域训练的神经网络调整为在目标域中有效地操作。如果在域自适应过程期间改变了目标域，则可能必须再次训练神经网络以与新的目标域兼容。此外，如果被配置为捕获目标域的图像的设备发生了变化，例如，如果在域自适应之后改变了被配置为捕获图像的设备，则可能难以维持神经网络的准确性。

发明内容

提供本发明内容以用简化形式介绍对下面在具体实施方式中进一步描述的构思的选择。本发明内容不意在标识所请求保护的主题的关键特征或基本特征，也不意在帮助确定所请求保护的主题的范围。

在一个总体方面，一种处理器实现的神经网络方法包括：获得在源域中预训练的神经网络和源域的第一样式特征；使用神经网络从所接收的目标域的输入数据中提取目标域的第二样式特征；通过基于源域的第一样式特征和目标域的第二样式特征对输入数据执行样式匹配，来执行输入数据的域自适应；以及通过使用神经网络处理经样式匹配的输入数据来生成推断结果。

提取可以包括：从包括在神经网络中的多个层中的至少一层中提取与输入数据相对应的样式信息；以及基于样式信息来确定目标域的第二样式特征。

执行域自适应可以包括：执行与目标域的第二样式特征相对应的样式信息与源域的第一样式特征的样式匹配。

样式信息可以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。

执行域自适应可以包括：基于源域的第一样式特征和目标域的第二样式特征，通过自适应实例归一化(AIN)来执行样式信息与源域的第一样式特征的样式匹配。

样式信息可以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。

执行域自适应可以包括基于源域的第一样式特征和目标域的第二样式特征，通过白化和着色变换(WCT)过程来执行样式信息与源域的第一样式特征的样式匹配。

执行域自适应可以包括：响应于接收到包括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；以及通过基于源域的第一样式特征和代表性样式特征对多个输入数据进行样式匹配，来执行输入数据的域自适应。

提取第二样式特征可以包括：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神经网络来提取与包括在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第二样式特征。

源域的第一样式特征可以包括第一统计值，所述第一统计值是基于通过将源域的采样数据应用于神经网络而提取的第一特征所计算出的。

源域可以包括多个域，并且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多个域的每个标签而采样的批量应用于神经网络而提取的第一特征所计算出的。

神经网络可以被配置为执行期望的预定操作，并且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。