[发明专利]神经网络模型的结构搜索方法和装置

说明书

本公开涉及人工智能领域。本公开的实施例公开了神经网络模型的结构搜索方法和装置。该方法包括：采用控制器从预设的网络结构搜索空间中搜索出候选网络结构；利用YUV图像训练数据训练候选网络结构；获取训练完成的候选网络结构的性能信息，根据训练完成的候选网络结构的性能信息生成反馈信息，并将反馈信息反馈至控制器，以使控制器基于反馈信息进行更新后从网络结构搜索空间中搜索出新的候选网络结构；响应于确定基于当前训练完成的候选网络结构的性能信息生成的反馈信息达到预设的收敛条件，基于当前训练完成的候选网络结构生成用于YUV图像数据的神经网络模型结构。该方法可以自动搜索出适合处理YUV图像数据的神经网络模型结构。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及人工智能技术领域，尤其涉及神经网络模型的结构搜索方法和装置。

背景技术

随着人工智能技术的发展，深度神经网络在许多领域取得了重要的成果。深度神经网络在对大批量、多样的数据的处理任务中具有传统的数据处理技术无法比拟的优势。例如对于图像数据的处理，经过训练的深度神经网络可以处理各种分辨率、各种尺寸、各种清晰度的各种场景图像。

现有的图像或视频处理的神经网络模型都是针对RGB(红黄蓝三色)类型的输入数据进行设计。然而在一些常用的图像或视频类应用中，采集到的数据都是YUV(一种亮度-色度颜色编码)格式的数据。由于YUV数据和RGB数据的物理意义相差较大，针对RGB数据设计的神经网络模型难以对YUV数据获得良好的处理效果。

发明内容

本公开的实施例提出了神经网络模型的结构搜索方法和装置、电子设备和计算机可读介质。

第一方面，本公开的实施例提供了一种神经网络模型的结构搜索方法，包括：采用控制器从预设的网络结构搜索空间中搜索出候选网络结构；获取YUV图像训练数据，利用YUV图像训练数据训练候选网络结构；获取训练完成的候选网络结构的性能信息，根据训练完成的候选网络结构的性能信息生成反馈信息，并将反馈信息反馈至控制器，以使控制器基于反馈信息进行更新后从预设的网络结构搜索空间中搜索出新的候选网络结构；响应于确定基于当前训练完成的候选网络结构的性能信息生成的反馈信息达到预设的收敛条件，基于当前训练完成的候选网络结构生成用于YUV图像数据的神经网络模型结构。

在一些实施例中，上述预设的网络结构搜索空间包括图像的候选尺寸；以及上述方法还包括：采用控制器从图像的候选尺寸中确定出候选网络结构对应的图像尺寸。

在一些实施例中，上述方法还包括：响应于确定基于当前训练完成的候选网络结构的性能信息生成的反馈信息达到预设的收敛条件，将当前确定出的候选网络结构对应的图像尺寸，确定为用于YUV图像数据的神经网络模型结构对应的目标图像尺寸。

在一些实施例中，上述方法还包括：获取待处理的YUV图像数据；将待处理的YUV图像数据的尺寸转换为目标图像尺寸后输入至用于YUV图像数据的神经网络模型结构进行处理。

在一些实施例中，上述获取YUV图像训练数据，包括：将获取到的RGB图像样本数据转换为YUV图像样本数据，并将YUV图像样本数据的图像尺寸转换从预设的网络结构搜索空间中确定出的候选网络结构对应的图像尺寸。

第二方面，本公开的实施例提供了一种神经网络模型的结构搜索装置，包括：第一搜索单元，被配置为采用控制器从预设的网络结构搜索空间中搜索出候选网络结构；训练单元，被配置为获取YUV图像训练数据，利用YUV图像训练数据训练候选网络结构；反馈单元，被配置为获取训练完成的候选网络结构的性能信息，根据训练完成的候选网络结构的性能信息生成反馈信息，并将反馈信息反馈至控制器，以使控制器基于反馈信息进行更新后从预设的网络结构搜索空间中搜索出新的候选网络结构；生成单元，被配置为响应于确定基于当前训练完成的候选网络结构的性能信息生成的反馈信息达到预设的收敛条件，基于当前训练完成的候选网络结构生成用于YUV图像数据的神经网络模型结构。