[发明专利]构建网络结构的方法与装置、及图像生成方法与装置

说明书

本申请涉及人工智能领域中的一种构建网络结构的方法与装置、及图像生成方法与装置。该构建网络结构的方法包括：获取任务的类别；基于所述类别，使用网络结构构建模型生成与所述类别对应的目标网络结构，其中，所述网络结构构建模型能够生成多个网络结构，所述多个网络结构用于实现多个不同类别的任务；根据所述目标网络结构执行所述任务，得到执行结果；基于所述执行结果，调整所述网络结构构建模型的参数，以使得所述网络结构构建模型生成的网络结构执行任务得到的执行结果更准确。该方法能够构建用于多任务处理的高效的网络结构。

技术领域

本申请涉及人工智能领域，并且更具体地，涉及一种构建网络结构的方法与装置、及图像处理方法与装置。

背景技术

人工智能(artificial intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能领域的研究包括机器人，自然语言处理，计算机视觉，决策与推理，人机交互，推荐与搜索，AI基础理论等。

随着人工智能技术的快速发展，生成对抗网络(generative adversarialnetwork，GAN)近年来在生成任务中取得了卓越的成就，常用于生成以假乱真的图片，此外，生成对抗网络还可以用于生成影片、三维物体模型、音乐等。

目前的生成对抗网络包含一个生成网络(生成器)和一个判别网络(判别器)，并由该生成器来生成目标物。虽然该生成对抗网络能够生成目标物，但是生成的目标物的效果并不理想。

因此，如何提高生成器的生成的目标物的效果，成为一个亟需解决的技术问题。

发明内容

本申请提供一种构建网络结构的方法与装置、及图像生成方法与装置，能够构建用于多任务处理的高效的网络结构。

第一方面，提供了一种构建网络结构的方法，该方法包括：获取任务的类别；基于所述类别，使用网络结构构建模型生成与所述类别对应的目标网络结构，其中，所述网络结构构建模型能够生成多个网络结构，所述多个网络结构用于实现多个不同类别的任务；根据所述目标网络结构执行所述任务，得到执行结果；基于所述执行结果，调整所述网络结构构建模型的参数，以使得所述网络结构构建模型生成的网络结构执行任务得到的执行结果更准确。

在本申请实施例中，使用网络结构构建模型生成与所述类别对应的目标网络结构，并根据执行所述任务得到的执行结果，调整所述网络结构构建模型的参数，以使得所述网络结构构建模型生成的网络结构执行任务得到的执行结果更准确，其中，所述目标网络结构的超参数是根据所述类别确定的，即所述目标网络结构是为执行(所述多个不同类别中的所述类别对应的)所述任务而训练的，因此，该方法能够构建用于多任务处理的高效的网络结构。

其中，所述目标网络结构的超参数(hyperparameter)可以是根据所述类别确定的。本领域技术人员可知，所述目标网络结构的超参数与(由所述目标网络结构构成的)模型的复杂性或学习能力相关，通常是根据经验预先设定好的。

例如，所述目标网络结构的超参数可以包括网络结构中的操作层的个数及网络结构中的每个操作层中执行的操作等。

可选地，所述任务可以包括：图像处理，语音处理和/或文本处理等

例如，所述任务可以包括图像处理中的图像生成，所述任务的类别可以指生成的图像所属的类别，例如，生成的图像所属的类别可以为猫、狗、飞机或火车等。

再例如，所述任务可以包括自动驾驶中的多任务处理，所述任务的类别可以指自动驾驶中的子任务，例如，所述子任务可以为语义分割、实例分割或深度预测等。