[发明专利]神经网络训练及运动轨迹确定方法、装置、设备和介质

说明书

本申请的公开一种神经网络训练及运动轨迹确定方法、装置、设备和介质。该方法可以包括，获取至少两个图像序列，上述至少两个图像序列可以包括第一图像序列，以及与上述第一图像序列相邻的第二图像序列。根据上述第一图像序列以及上述第二图像序列，对上述神经网络进行训练，以得到目标网络参数。

技术领域

本申请涉及计算机视觉技术，具体涉及一种神经网络训练及运动轨迹确定方法、装置、设备和介质。

背景技术

在相关技术中，在进行神经网络训练时通常运用单一场景下的样本进行预训练。然而，由于实际场景和预训练时使用的场景往往有较大的区别，进行过预训练的神经网络在实际使用时，其性能往往会大幅下降。因此，在实际使用中，当针对不同场景时，上述神经网络的泛化性将变得较差。

发明内容

有鉴于此，本申请至少公开一种神经网络训练及运动轨迹确定方法、装置、设备和介质。

根据本申请实施例的第一方面，本申请提出一种神经网络训练方法，上述方法可以包括：

获取至少两个图像序列，上述至少两个图像序列可以包括第一图像序列，以及与上述第一图像序列相邻的第二图像序列；

根据上述第一图像序列以及上述第二图像序列，对上述神经网络进行训练，以得到目标网络参数；

采用上述目标网络参数配置上述神经网络。

在示出的一实施例中，上述根据上述第一图像序列以及上述第二图像序列，对上述神经网络进行训练，以得到目标网络参数，可以包括：

根据上述第一图像序列以及上述第二图像序列，对上述神经网络进行迭代训练，直至上述神经网络收敛，得到上述目标网络参数；

其中，在一次迭代训练中，通过上述神经网络，获取上述第一图像序列中相邻两帧图像之间的相对位姿，上述相邻两帧图像可以包括第一图像以及采集时刻位于上述第一图像之后的第二图像；

根据上述第一图像序列中上述第二图像对应的深度图像，以及上述第一图像与上述第二图像之间的相对位姿，得到上述第二图像对应的合成图像；

根据上述第一图像序列中多帧上述第二图像以及与多帧上述第二图像对应的上述合成图像，确定第一训练误差；

基于上述第一训练误差，得到第一中间网络参数。

在示出的一实施例中，在上述得到第一中间网络参数后，上述方法还可以包括：

通过采用上述第一中间网络参数配置的上述神经网络，获取上述第二图像序列中相邻两帧图像之间的相对位姿，上述相邻两帧图像可以包括第三图像以及采集时刻位于上述第三图像之后的第四图像；

根据上述第二图像序列中上述第四图像对应的深度图像，以及上述第三图像与上述第四图像之间的相对位姿，得到上述第四图像对应的合成图像；

根据上述第二图像序列中多帧上述第四图像以及与多帧上述第四图像对应的上述合成图像，确定第二训练误差；

基于上述第二训练误差，得到第二中间网络参数。

在示出的一实施例中，上述基于上述第一训练误差，得到第一中间网络参数，可以包括：

基于梯度下降法，以及上述第一训练误差，对上述神经网络进行一次梯度下降，得到第一中间网络参数；

和/或，

上述基于上述第二训练误差，得到第二中间网络参数，可以包括：

基于梯度下降法，以及上述第二训练误差，对上述神经网络进行一次梯度下降，得到第二中间网络参数。