本申請涉及計算機，具體涉及一種骨干網絡的訓練方法、圖像處理方法、裝置及設備。

背景技術：

1、在計算機視覺領域，骨干網絡主要用于完成該領域內的圖像的特征提取，以用于實現密集預測任務，如語義分割、深度估計、邊緣檢測和關鍵點檢測等。目前，骨干網絡可在大型數據集上完成預訓練，但是骨干網絡在電子設備上的訓練效率較低，增加了電子設備的資源占用。

技術實現思路

1、有鑒于此，本申請提供一種骨干網絡的訓練方法、圖像處理方法、裝置及設備，能夠提高骨干網絡在電子設備上的訓練效率，節省電子設備的資源占用。

2、為解決上述問題，本申請提供的技術方案如下：

3、第一方面，本申請提供一種骨干網絡的訓練方法，所述骨干網絡中的相鄰神經網絡層之間相關聯，且有關聯的權重，所述方法包括：

4、設置權重挑選周期；所述權重挑選周期包括至少一個骨干網絡訓練周期；

5、在當前權重挑選周期內，采用樣本數據訓練所述骨干網絡，記錄所述當前權重挑選周期內的所述骨干網絡中每個權重的權重調整累積量；所述樣本數據包括計算機視覺領域的樣本圖像；

6、將所述權重調整累積量滿足預設條件的權重，確定為所述骨干網絡中的目標權重；

7、調整所述骨干網絡中的目標權重，基于所述調整后的目標權重，完成下一權重挑選周期中所述骨干網絡的訓練。

8、第二方面，本申請提供一種圖像處理方法，所述方法包括：

9、利用第一方面所述方法訓練生成的骨干網絡，生成用于計算機視覺領域的圖像處理模型；

10、將待處理的計算機視覺圖像輸入所述圖像處理模型，得到圖像處理結果。

11、第三方面，本申請提供一種骨干網絡的訓練裝置，所述骨干網絡中的相鄰神經網絡層之間相關聯，且有關聯的權重，所述裝置包括：

12、設置單元，用于設置權重挑選周期；所述權重挑選周期包括至少一個骨干網絡訓練周期；

13、記錄單元，用于在當前權重挑選周期內，采用樣本數據訓練所述骨干網絡，記錄所述當前權重挑選周期內的所述骨干網絡中每個權重的權重調整累積量；所述樣本數據包括計算機視覺領域的樣本圖像；

14、確定單元，用于將所述權重調整累積量滿足預設條件的權重，確定為所述骨干網絡中的目標權重；

15、調整單元，用于調整所述骨干網絡中的目標權重，基于所述調整后的目標權重，完成下一權重挑選周期中所述骨干網絡的訓練。

16、第四方面，本申請提供一種圖像處理裝置，所述裝置包括：

17、生成單元，用于利用第一方面所述方法訓練生成的骨干網絡，生成用于計算機視覺領域的圖像處理模型；

18、處理單元，用于將待處理的計算機視覺圖像輸入所述圖像處理模型，得到圖像處理結果。

19、第五方面，本申請提供一種電子設備，包括：

20、一個或多個處理器；

21、存儲裝置，其上存儲有一個或多個程序，

22、當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現任一項所述的方法。

23、第六方面，本申請提供一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現任一項所述的方法。

24、由此可見，本申請具有如下有益效果：

25、本申請提供了一種骨干網絡的訓練方法、圖像處理方法、裝置及設備，骨干網絡中的相鄰神經網絡層之間相關聯，且有關聯的權重。在骨干網絡的訓練過程中，需要調節骨干網絡中的權重來提高骨干網絡的性能。為了提高骨干網絡在電子設備上的訓練效率，在該訓練方法中，先設置權重挑選周期，權重挑選周期可包括至少一個骨干網絡訓練周期。以當前權重挑選周期為例，在當前權重挑選周期內，采用樣本數據(即計算機視覺領域的樣本圖像)訓練骨干網絡，即，在當前權重挑選周期內的每個骨干網絡訓練周期中均基于樣本數據訓練骨干網絡。之后，記錄當前權重挑選周期內的骨干網絡中每個權重的權重調整累積量。權重調整累積量越大，表示該權重的改變越大，能夠體現該權重在骨干網絡訓練過程中的重要性。基于此，判斷每個權重的權重調整累積量是否滿足預設條件，挑選滿足預設條件的權重，將其確定為骨干網絡中的目標權重。進而，在下一權重挑選周期內，只調節骨干網絡中的目標權重即可。基于調整后的目標權重，完成下一權重挑選周期中骨干網絡的訓練。

26、可知，相對于在每個骨干網絡訓練周期內均調整骨干網絡中的所有權重，本申請可基于當前權重挑選周期的每個權重的權重調整累積量從骨干網絡中挑選出權重調整累積量滿足預設條件的目標權重，并在下一權重挑選周期內僅調整目標權重。如此，可只調節少量的骨干網絡權重，保持其他權重不變，以節省電子設備對骨干網絡的訓練資源，提高骨干網絡在電子設備上的訓練效率。

技術特征：

1.一種骨干網絡的訓練方法，其特征在于，所述骨干網絡中的相鄰神經網絡層之間相關聯，且有關聯的權重，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，所述權重調整累積量由至少一個權重調整量累加得到；所述至少一個權重調整量由骨干網絡經過至少一個骨干網絡訓練周期訓練得到。

3.根據權利要求1或2所述的方法，其特征在于，所述將所述權重調整累積量滿足預設條件的權重，確定為所述骨干網絡中的目標權重，包括：

4.根據權利要求1所述的方法，其特征在于，所述骨干網絡包括第一結構塊和第二結構塊，所述第一結構塊和所述第二結構塊之間通過特征調節器進行連接；所述特征調節器用于調整所述第一結構塊的輸出；在所述骨干網絡的訓練過程中，所述特征調節器進行同步訓練；

5.根據權利要求4所述的方法，其特征在于，所述骨干網絡用于構建計算機視覺領域的機器學習模型；所述機器學習模型包括頭部網絡和至少一個骨干網絡；在所述骨干網絡的訓練過程中，所述頭部網絡進行同步訓練；

6.根據權利要求4所述的方法，其特征在于，所述特征調節器包括相互連接的第一全連接層、第二全連接層以及殘差層；所述第一全連接層用于實現特征降維，所述第二全連接層用于實現特征升維。

7.根據權利要求3所述的方法，其特征在于，所述設置權重挑選周期，包括：

8.一種圖像處理方法，其特征在于，所述方法包括：

9.一種骨干網絡的訓練裝置，其特征在于，所述骨干網絡中的相鄰神經網絡層之間相關聯，且有關聯的權重，所述裝置包括：

10.一種圖像處理裝置，其特征在于，所述裝置包括：

11.一種電子設備，其特征在于，包括：

12.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1-8中任一項所述的方法。

技術總結
本申請公開一種骨干網絡的訓練方法、圖像處理方法、裝置及設備，骨干網絡中的相鄰神經網絡層之間相關聯，且有關聯的權重。設置權重挑選周期，權重挑選周期可包括至少一個骨干網絡訓練周期。在當前權重挑選周期內，采用樣本數據訓練骨干網絡，并記錄當前權重挑選周期內的骨干網絡中每個權重的權重調整累積量。基于每個權重的權重調整累積量從骨干網絡中挑選出權重調整累積量滿足預設條件的目標權重，并在下一權重挑選周期內僅調整骨干網絡中的目標權重，基于調整后的目標權重，完成下一權重挑選周期中骨干網絡的訓練。如此，可只調節少量的骨干網絡權重，保持其他權重不變，以提高骨干網絡在電子設備上的訓練效率。

技術研發人員：鄧雪青,范琦,王鵬,楊林杰,靳瀟杰
受保護的技術使用者：臉萌有限公司
技術研發日：
技術公布日：2025/4/28