[发明专利]超网络的搜索空间构建方法、装置以及电子设备

权利要求书

1.一种超网络的搜索空间构建方法，其特征在于，包括：

对计算机视觉领域的深度神经网络的第L层特征图中任意一个特征图，经过下采样得到第L+1层特征图，所述第L+1层特征图中包括多个尺寸的特征图；

对所述第L层特征图中任意一个特征图，经过上采样得到第L-1层特征图，所述第L-1层特征图中包括多个尺寸的特征图；

根据所述第L层特征图、所述L+1层特征图以及所述第L-1层特征图构建超网络的搜索空间，L大于或等于2；其中，所述第L层特征图中的任一个特征图与所述第L+1层特征图中的任一个特征图相连接；

所述对计算机视觉领域的深度神经网络的第L层特征图中任意一个特征图，经过下采样得到第L+1层特征图，包括：

对所述第L层特征图中任意一个特征图，经过下采样的第一卷积操作，所述L+1层特征图的尺寸是所述第L层特征图中任意一个特征图的尺寸的1/(2N)倍，N为正整数；

所述下采样的第一卷积操作包括最大池化操作或平均池化操作，所述最大池化操作在降低图像特征的丢失程度的前提下，对图像进行下采样；

所述方法，还包括：

所述第L-1层特征图中的任意一个特征图，经过第三卷积操作得到所述第L层特征图中的尺寸不变的特征图；

所述第L层特征图中的任意一个特征图，经过第四卷积操作得到所述第L+1层中的尺寸不变的特征图。

2.根据权利要求1所述的方法，其特征在于，对所述第L层特征图中任意一个特征图，经过上采样得到第L-1层特征图，包括：

对所述第L层特征图中任意一个特征图，经过上采样的第二卷积操作，得到的所述L-1层中的特征图的尺寸是所述第L层特征图中任意一个特征图的尺寸的2N倍，N为正整数。

3.根据权利要求1或2所述的方法，其特征在于，所述上采样的第二卷积操作包括双线性插值操作。

4.一种超网络的搜索空间构建装置，其特征在于，包括：

下采样模块，用于对计算机视觉领域的深度神经网络的第L层特征图中任意一个特征图，经过下采样得到第L+1层特征图，所述第L+1层特征图中包括多个尺寸的特征图；

上采样模块，用于对所述第L层特征图中任意一个特征图，经过上采样得到第L-1层特征图，所述第L-1层特征图中包括多个尺寸的特征图；

搜索空间构建模块，用于根据所述第L层特征图、所述L+1层特征图以及所述第L-1层特征图构建超网络的搜索空间，L大于或等于2；其中，所述第L层特征图中的任一个特征图与所述第L+1层特征图中的任一个特征图相连接；

所述上采样模块包括：

下采样单元，用于对所述第L层特征图中任意一个特征图，经过下采样的第一卷积操作，所述L+1层特征图的尺寸是所述第L层特征图中任意一个特征图的尺寸的1/(2N)倍，N为正整数；

所述下采样的第一卷积操作包括最大池化操作或平均池化操作，所述最大池化操作在降低图像特征的丢失程度的前提下，对图像进行下采样；

第一单路径采样模块，用于所述第L-1层特征图中的任意一个特征图，经过第三卷积操作得到所述第L层特征图中的尺寸不变的特征图；

第二单路径采样模块，用于所述第L层特征图中的任意一个特征图，经过第四卷积操作得到所述第L+1层中的尺寸不变的特征图。

5.根据权利要求4所述的装置，其特征在于，所述下采样模块包括：

上采样单元，用于对所述第L层特征图中任意一个特征图，经过上采样的第二卷积操作，得到的所述L-1层中的特征图的尺寸是所述第L层特征图中任意一个特征图的尺寸的2N倍，N为正整数。

6.根据权利要求5所述的装置，其特征在于，所述下采样的第一卷积操作包括最大池化操作或平均池化操作，所述上采样的第二卷积操作包括双线性插值操作。

7. 一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-3中任一项所述的方法。

8.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-3中任一项所述的方法。