[发明专利]一种神经网络的训练方法、图像处理方法以及相关设备

权利要求书

1.一种神经网络的训练方法，其特征在于，所述方法包括：

获取第一训练数据集和第二训练数据集，其中，所述第一训练数据集包括至少一个带标签的第一训练图像，所述第一训练图像为将来自于源域的带标签的训练图像与来自于目标域的带标签的训练图像在像素层级进行混合后得到，所述第一训练图像的标签为根据第一标签和第二标签得到，所述第一标签与所述来自于源域的带标签的训练图像对应，所述第二标签与所述来自于目标域的带标签的训练图像对应，所述第二训练数据集包括来自于目标域的无标签的训练图像；

根据所述第一训练数据集对第一神经网络进行训练，直至满足预设条件，以得到第一教师网络，所述第一教师网络为执行过训练操作的所述第一神经网络；

根据所述第一教师网络和所述第二训练数据集，采用知识蒸馏的方式，对第一学生网络进行训练直至满足预设条件，以得到第二学生网络，所述第二学生网络为执行过训练操作的所述第一学生网络。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据第三训练数据集对所述第一神经网络进行训练，直至满足预设条件，以得到第二教师网络，其中，所述第三训练数据集包括所述来自于源域的带标签的训练图像和所述来自于目标域的带标签的训练图像，所述第二教师网络为执行过训练操作的所述第一神经网络；

所述根据所述第一教师网络和所述第二训练数据集，采用知识蒸馏的方式，对第一学生网络进行训练直至满足预设条件，以得到第二学生网络，包括：

根据所述第一教师网络、所述第二教师网络和所述第二训练数据集，采用知识蒸馏的方式，对所述第一学生网络进行训练直至满足预设条件，以得到所述第二学生网络。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一教师网络、所述第二教师网络和所述第二训练数据集，采用知识蒸馏的方式，对所述第一学生网络进行训练，包括：

获取第二训练图像，所述第二训练图像为所述第二训练数据集中任一个训练图像；

利用所述第一教师网络对所述第二训练图像进行处理，以生成与所述第二训练图像对应的第一预测结果；

利用所述第二教师网络对所述第二训练图像进行处理，以生成与所述第二训练图像对应的第二预测结果，并对所述第一预测结果和所述第二预测结果进行加权求和，以得到与所述第二训练图像对应的目标预测结果；

利用所述第一学生网络对所述第二训练图像进行处理，以生成与所述第二训练图像对应的第三预测结果；

根据目标损失函数，对所述第一学生网络进行训练，所述目标损失函数指示所述第三预测结果与所述目标预测结果之间的相似度。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述得到第二学生网络之后，所述方法还包括：

通过所述第二学生网络，对所述第二训练数据集中的第二训练图像进行处理，以生成与所述第二训练图像对应的预测结果，根据与所述第二训练图像对应的预测结果确定所述第二训练图像的标签；

根据所述来自于源域的带标签的训练图像、所述来自于目标域的带标签的训练图像和带标签的所述第二训练图像，执行像素层级的混合操作，以得到更新后的第一训练数据集；

根据所述更新后的第一训练数据集对所述第一神经网络进行训练，直至满足预设条件，以得到更新后的第一教师网络；

根据所述更新后的第一教师网络和所述第二训练数据集，采用知识蒸馏的方式，对所述第一学生网络进行训练直至满足预设条件，以得到更新后的第二学生网络，所述更新后的第二学生网络为执行过训练操作的所述第一学生网络。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述第一教师网络、所述第二教师网络和所述第二训练数据集，采用知识蒸馏的方式，对第一学生网络进行训练，包括：

根据所述第一教师网络、所述第二教师网络和所述第二训练数据集，采用知识蒸馏的方式，对所述第一学生网络进行训练，并根据第四训练数据集对所述第一学生网络进行训练，所述第四训练数据集包括所述来自于目标域的带标签的训练图像。