[发明专利]神经网络结构确定方法以及装置

说明书

本说明书实施例提供神经网络结构确定方法以及装置，其中，该方法包括确定包含初始神经网络结构的网络结构种群，以及所述初始神经网络结构的精度预测结果；从所述网络结构种群中任意选取一个初始神经网络结构，根据预设算法生成对应的候选神经网络结构，并确定所述候选神经网络结构的精度预测结果；根据所述初始神经网络结构的精度预测结果、以及所述候选神经网络结构的精度预测结果，更新所述网络结构种群，并从更新后的网络结构种群中确定目标神经网络结构。通过在无需通过样本训练的情况下，从数学的方式(即计算神经网络结构的精度预测结果)刻画神经网络结构的表征，实现在较短时间内即可确定较优性能的目标神经网络结构。

技术领域

本说明书实施例涉及计算机技术领域，特别涉及一种神经网络结构确定方法，一种神经网络结构确定装置，一种人脸检测模型确定系统，一种扩展现实XR设备，一种计算设备，一种计算机可读存储介质以及一种计算机程序。

背景技术

人脸识别终端设备越来越多的出现在现实生活中，比如人脸考勤、人脸抓拍机等。人脸检测是所有人脸系统的基础，即需要人脸检测来定位人脸的位置，才能进行后续的人脸识别、活体检测、人脸属性确定等步骤；而性能较优的神经网络结构是生成人脸检测模型的基础。

目前的人脸检测模型的神经网络结构的设计包括手工和NAS两种，其中，手动设计由于网络结构的设计空间有限，其效果一般不如NAS搜索出来的神经网络结构，但是现有的NAS搜索方法是需要通过训练样本以有训练的方式实现神经网络结构的搜索，对于神经网络结构的搜索时间较长，并且由于目前的精度预测器是根据神经网络结构没有完全收敛时的结果来对采样的神经网络结构进行预测，因此对搜索空间中的神经网络结构精度判断偏差较大，可能会造成选择的神经网络结构的性能不好的情况出现。

发明内容

有鉴于此，本说明书实施例提供了一种神经网络结构确定方法。本说明书一个或者多个实施例同时涉及一种神经网络结构确定装置，一种人脸检测模型确定系统，一种扩展现实XR设备，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。

根据本说明书实施例的第一方面，提供了一种神经网络结构确定方法，包括：

确定包含初始神经网络结构的网络结构种群，以及所述初始神经网络结构的精度预测结果；

从所述网络结构种群中任意选取一个初始神经网络结构，根据预设算法生成对应的候选神经网络结构，并确定所述候选神经网络结构的精度预测结果；

根据所述初始神经网络结构的精度预测结果、以及所述候选神经网络结构的精度预测结果，更新所述网络结构种群，并从更新后的网络结构种群中确定目标神经网络结构。

根据本说明书实施例的第二方面，提供了一种神经网络结构确定装置，包括：

初始结构确定模块，被配置为确定包含初始神经网络结构的网络结构种群，以及所述初始神经网络结构的精度预测结果；

精度预测模块，被配置为从所述网络结构种群中任意选取一个初始神经网络结构，根据预设算法生成对应的候选神经网络结构，并确定所述候选神经网络结构的精度预测结果；

目标结构确定模块，被配置为根据所述初始神经网络结构的精度预测结果、以及所述候选神经网络结构的精度预测结果，更新所述网络结构种群，并从更新后的网络结构种群中确定目标神经网络结构。

根据本说明书实施例的第三方面，提供了一种人脸检测模型确定系统，包括服务端和终端，其中，

所述服务端，用于确定包含初始神经网络结构的网络结构种群，以及所述初始神经网络结构的精度预测结果；

从所述网络结构种群中任意选取一个初始神经网络结构，根据预设算法生成对应的候选神经网络结构，并确定所述候选神经网络结构的精度预测结果；以及