[发明专利]神经网络生成方法、装置、电子设备及存储介质

权利要求书

1.一种神经网络生成方法，其特征在于，包括：

将待训练神经网络中各个网络层包括的通道分别进行分组，得到至少一个通道组；

确定各个通道组对应的重要程度信息；

基于网络规模限制信息和各个通道组的重要程度信息，剔除所述待训练神经网络中的至少一个通道组，得到目标神经网络。

2.根据权利要求1所述的方法，其特征在于，所述确定各个通道组对应的重要程度信息，包括：

利用各个通道组中的通道对应的伽马值构造所述待训练神经网络的损失函数；所述伽马值用于表征对应的通道的重要程度；

利用样本图像对所述待训练神经网络进行训练，直至满足训练截至条件；

根据训练完成时的神经网络的损失函数的值，确定各个通道对应的伽马值的优化值；

基于各个通道对应的伽马值的优化值，确定各个通道组对应的重要程度信息。

3.根据权利要求2所述的方法，其特征在于，所述基于各个通道对应的伽马值的优化值，确定各个通道组对应的重要程度信息，包括：

针对一个通道组，计算该通道组所包括的通道对应的伽马值的优化值的均值；

将计算得到的均值作为该通道组的重要程度信息。

4.根据权利要求2或3所述的方法，其特征在于，所述利用各个通道组中的通道对应的伽马值构造所述待训练神经网络的损失函数，包括：

利用一个通道组中通道的数量和各个通道组中通道对应的伽马值构造所述损失函数。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述基于网络规模限制信息和各个通道组的重要程度信息，剔除所述待训练神经网络中的至少一个通道组，得到目标神经网络，包括：

获取一个通道组对应的网络规模信息；

基于所述网络规模限制信息、所述网络规模信息和各个通道组的重要程度信息，剔除所述待训练神经网络中的至少一个通道组，得到目标神经网络。

6.根据权利要求5所述的方法，其特征在于，所述基于所述网络规模限制信息、所述网络规模信息和各个通道组的重要程度信息，剔除所述待训练神经网络中的至少一个通道组，包括：

基于所述网络规模限制信息、所述网络规模信息，确定需要剔除的通道组的目标数量；

基于所述重要程度信息，将所述目标数量个通道组剔除。

7.根据权利要求6所述的方法，其特征在于，所述基于所述重要程度信息，将所述目标数量个通道组剔除，包括：

按照重要程度从小到大的顺序，将各个通道组进行排序；

将排序次序小于或等于所述目标数量的通道组剔除。

8.根据权利要求1至7任一项所述的方法，其特征在于，所述网络规模限制信息包括以下至少一项：

网络参数量限制信息；网络运行耗时限制信息。

9.一种智能行驶方法，其特征在于，包括:

获取道路图像；

利用权利要求1-8任一项所述的神经网络生成方法生成的目标神经网络对所述道路图像进行检测，得到目标对象；

基于检测得到的目标对象，控制智能行驶设备。

10.一种神经网络生成装置，其特征在于，包括：

分组模块，用于将待训练神经网络中各个网络层包括的通道分别进行分组，得到至少一个通道组；

重要性确定模块，用于确定所述通道组对应的重要程度信息；

通道剔除模块，用于基于网络规模限制信息和所述通道组的重要程度信息，剔除所述待训练神经网络中的至少一个通道组，得到目标神经网络。

11.一种智能行驶设备，其特征在于，包括：

获取模块，用于获取道路图像；

检测模块，用于利用权利要求1-8任一项所述的神经网络生成方法生成的目标神经网络对所述道路图像进行检测，得到目标对象；

控制模块，用于基于检测得到的目标对象，控制智能行驶设备。