[发明专利]一种神经网络的训练方法及装置、电子设备及存储介质

说明书

本申请公开了一种神经网络的训练方法及装置、电子设备及存储介质。所述方法包括：通过神经网络对干净数据和噪声数据进行处理，得到所述干净数据对应的干净结果和所述噪声数据对应的噪声结果，所述干净数据标注有干净标签，所述噪声数据标注有噪声标签；根据所述干净结果、所述干净标签、所述噪声结果以及所述噪声标签，训练所述神经网络。

技术领域

本申请涉及神经网络技术领域，尤其涉及一种神经网络的训练方法及装置、电子设备及存储介质。

背景技术

神经网络的训练一般有两种方式，一种是基于全监督学习的训练方式，另一种是基于弱监督学习的训练方式。对于基于全监督学习的训练方式来说，由于需要对所有训练样本进行人工标注，因而需要耗费大量的人力。对于基于弱监督学习的训练方式来说，只需要对极少数的训练样本进行人工标注，能够极大地减小神经网络训练过程对训练样本标注的要求。

目前，对于基于弱监督学习的训练方式来说，没有充分利用噪声样本中的特征信息，因而有待进一步改进。

发明内容

为解决上述技术问题，本申请实施例提供了一种神经网络的训练方法及装置、电子设备及存储介质。

本申请实施例提供的神经网络的训练方法，包括：

通过神经网络对干净数据和噪声数据进行处理，得到所述干净数据对应的干净结果和所述噪声数据对应的噪声结果，其中，所述干净数据标注有干净标签，所述噪声数据标注有噪声标签；

根据所述干净结果、所述干净标签、所述噪声结果以及所述噪声标签，训练所述神经网络。

本申请一可选实施方式中，所述神经网络包括特征提取器、干净分类器以及噪声分类器；

所述通过神经网络对干净数据和噪声数据进行处理，得到所述干净数据对应的干净结果和所述噪声数据对应的噪声结果，包括：

通过所述特征提取器对所述干净数据进行处理，得到所述干净数据对应的第一特征数据；

通过所述特征提取器对所述噪声数据进行处理，得到所述噪声数据对应的第二特征数据；

通过所述干净分类器对所述第一特征数据进行处理，并基于得到的第一处理结果确定所述干净数据对应的干净结果；

通过所述干净分类器和所述噪声分类器对所述第二特征数据进行处理，并基于得到的第二处理结果确定所述噪声数据对应的噪声结果。

本申请一可选实施方式中，所述通过所述干净分类器和所述噪声分类器对所述第二特征数据进行处理，包括：

通过所述干净分类器对所述第二特征数据进行处理，得到第一处理子结果；

通过所述噪声分类器对所述第二特征数据进行处理，得到第二处理子结果；

根据所述第一处理子结果和所述第二处理子结果，确定所述第二处理结果。

本申请一可选实施方式中，所述根据所述第一处理子结果和所述第二处理子结果，确定所述第二处理结果，包括：

将所述第一处理子结果和所述第二处理子结果进行相加运算，得到所述第二处理结果。

本申请一可选实施方式中，所述基于得到的第一处理结果确定所述干净数据对应的干净结果，包括：

对所述第一处理结果进行归一化处理，得到所述干净数据对应的干净结果；

所述基于得到的第二处理结果确定所述噪声数据对应的噪声结果，包括：

对所述第二处理结进行归一化处理，得到所述噪声数据对应的噪声结果。