[发明专利]面向软件定义卫星的神经网络模型可复用训练方法、装置

说明书

本申请提供一种面向软件定义卫星的神经网络模型可复用训练方法、装置，涉及卫星数据处理技术领域。该方法包括：获取卫星应用模型的训练请求，提取目标神经网络模型的目标骨干网络；根据目标骨干网络的标识和预设超参数，从预设的网络模型库中目标骨干网络对应的预训练超参数中，确定目标预训练超参数；将目标骨干网络模型参数与预设模型参数进行融合，得到目标模型参数；根据第一卫星样本数据、预设超参数，和目标模型参数，对目标神经网络模型进行参数训练，得到卫星应用模型。通过本申请，提高卫星应用模型的训练效率。

技术领域

本发明涉及卫星数据处理技术领域，具体而言，涉及一种面向软件定义卫星的神经网络模型可复用训练方法、装置。

背景技术

面对卫星在轨运行所产生的海量数据，如何在有限的时间内，将这些数据变成知识，提升卫星智能化程度，是智能卫星的一个主要研究方向。

采用神经网络模型可实现对卫星数据智能化处理，但是针对卫星应用场景的神经网络模型的训练，一般是在现有的开源模型的基础上，对模型进行针对性修改设计或优化，使用卫星产生的数据集开始进行训练。

在神经网络模型的训练过程中，存在一些公共的骨干网络模型的重复训练，导致神经网络模型的训练耗时长，训练效率较低。

发明内容

本发明的目的在于，针对上述现有技术中的不足，提供一种面向软件定义卫星的神经网络模型可复用训练方法、装置，以便提高软件定义卫星的神经网络模型的训练效率。

为实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供了一种面向软件定义卫星的神经网络模型可复用训练方法，包括：

获取卫星应用模型的训练请求，所述训练请求包括：目标应用需求的第一卫星样本数据、目标神经网络模型，和所述目标神经网络模型的预设超参数；

提取所述目标神经网络模型的目标骨干网络；

根据所述目标骨干网络的标识和所述预设超参数，从预设的网络模型库中所述目标骨干网络对应的预训练超参数中，确定目标预训练超参数；其中，所述网络模型库中包括：至少一种骨干网络对应的预训练超参数；

将目标骨干网络模型参数与预设模型参数进行融合，得到目标模型参数；其中，所述目标骨干网络模型参数为采用所述目标预训练超参数对所述目标骨干网络进行预训练得到的模型参数，所述预设模型参数为所述目标神经网络模型的初始模型参数；

根据所述第一卫星样本数据、所述预设超参数，和所述目标模型参数，对所述目标神经网络模型进行参数训练，得到所述卫星应用模型。

可选的，所述预设超参数包括：多种类型的预设超参数；所述根据所述目标骨干网络的标识和所述预设超参数，从预设的网络模型库中所述目标骨干网络对应的预训练超参数中，确定目标预训练超参数，包括：

根据所述目标骨干网络的标识，从所述网络模型库中确定所述目标骨干网络对应的预训练超参数，其中，所述目标骨干网络对应的预训练超参数包括：所述多种类型的预训练超参数；

根据每种类型的预设超参数，从所述目标骨干网络对应的所述每种类型的预训练超参数中，确定所述每种类型的目标超参数；

所述目标预训练超参数包括：所述多种类型的目标超参数。

可选的，所述根据所述每种类型的预设超参数，从所述目标骨干网络对应的所述每种类型的预训练超参数中，确定所述每种类型的目标超参数，包括：

根据所述每种类型的预设超参数，从所述目标骨干网络对应的所述每种类型的预训练超参数中，采用网格搜索方法，确定所述每种类型的目标超参数。