CN112686317B 神经网络训练方法、装置、电子设备及存储介质 （北京迈格威科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN112686317B(45)授权公告日2025.01.10

(21)申请号202011629466.X

(22)申请日2020.12.30

(65)同一申请的已公布的文献号申请公布号CN112686317A

(43)申请公布日2021.04.20

(73)专利权人北京迈格威科技有限公司

地址100086北京市海淀区科学院南路2号

融科资讯中心A座316-318

(72)发明人张培圳

(74)专利代理机构北京润泽恒知识产权代理有限公司11319

专利代理师王婷婷

(51)Int.CI.

GO6V10/82(2022.01)

GO6V10/80(2022.01)

GO6V10/25(2022.01)

GO6N3/045(2023.01)

GO6N3/084(2023.01)

GO6N3/0464(2023.01)

(56)对比文件

CN

111784623

A,2020.10.16

CN

110598504

A,2019.12.20

CN

111652181

A,2020.09.11

审查员刘俊

权利要求书2页说明书14页附图3页

(54)发明名称

神经网络训练方法、装置、电子设备及存储

介质

(57)摘要

CN112686317B本申请实施例提供了神经网络训练方法、装置，该方法包括：将多个训练样本分别输入多个子网络中，其中，每个子网络对应一个训练样本，每个子网络对应的训练样本不同；对目标子网络的目标网络单元输出的第一特征图和对应于第一特征图的第二特征图执行特征融合操作，得到图像融合结果，第二特征图为目标网络单元的关联网络单元输出的特征图或者目标网络单元的关联网络单元的融合特征图；根据图像融合结果得到预测结果；根据预测结果和最后一个目标子

CN112686317B

将多个子网络中的每一个子网络的输入分别输入到每一个子网络

对目标子网络的目标网络单元输出的第一特征图和对应于第一特征图的第二特征图执行特征融合操作，得到图像融合结果

根据图像融合结果得到预测结果

根据预测结果和最后一个目标子网络的标注信息，确定目标损失,以及至少基于目标损失，更新多个子网络

101

102

103

104

CN112686317B权利要求书1/2页

2

1.一种神经网络训练方法，其特征在于，所述方法包括：

将多个训练样本分别输入多个子网络中，其中，每个子网络对应一个训练样本，每个子网络对应的训练样本不同；其中，所述多个子网络为多个结构相同的主干网络，所述训练样本为训练图像；

对目标子网络的目标网络单元输出的第一特征图和对应于所述第一特征图的第二特征图执行特征融合操作，得到图像融合结果，所述第二特征图为所述目标网络单元的关联网络单元输出的特征图或者所述目标网络单元的关联网络单元的融合特征图；其中，所述目标子网络为所述多个子网络中除第一个子网络之外的子网络，所述关联网络单元在所述目标子网络的关联子网络中的位置与所述目标网络单元在所述目标子网络中的位置相同，所述目标子网络的关联子网络为所述目标子网络的前一个子网络，所述图像融合结果包括所述多个子网络中的最后一个目标子网络中每个目标网络单元的融合特征图；

根据所述图像融合结果得到预测结果；

根据所述预测结果和所述最后一个目标子网络的监督信息，确定目标损失，以及至少基于所述目标损失，更新所述多个子网络。

2.根据权利要求1所述的方法，其特征在于，对所述目标子网络的目标网络单元输出的第一特征图和对应于所述第一特征图的第二特征图执行特征融合操作，得到图像融合结果包括：

对于所述目标子网络中的每一个目标网络单元，对所述目标网络单元的输出的第一特征图和对应于所述第一特征图的第二特征图进行预设特征融合操作，得到所述目标网络单元的融合特征图，其中，所述融合特征图作为所述目标网络单元的后一个网络单元的输入。

3.根据权利要求2所述的方法，其特征在于，所述预设特征融合操作为耦合操作，所述目标网络单元的融合特征图为目标网络单元的耦合特征图；

对所述目标网络单元的输出的第一特征图和对应于所述第一特征图的第二特征图进行预设特征融合操作，以得到所述目标网络单元的融合特征图包括：

对所述第一特征图中的每一个像素，将所述第一特征图像素的像素值与所述第二特征图对应像素的像素值相加，以得到所述耦合