-
公开(公告)号：CN108229526B
公开(公告)日：2020-09-29
申请号：CN201710458606.3
申请日：2017-06-16
申请人： 北京市商汤科技开发有限公司
摘要： 本发明实施例提供一种网络训练、图像处理方法、装置、存储介质和电子设备。图像处理神经网络的训练方法，包括：通过参数生成神经网络，获取第一样本图像的图像效果变换参数；根据图像效果变换参数，将所述第一样本图像变换为第二样本图像；通过分类神经网络，获取第二样本图像的效果分类检测数据；根据第二样本图像的效果分类检测数据及所述第一样本图像的图像效果分类标注信息，训练参数生成神经网络。基于生成对抗网络，仅基于图像效果分类的简单、直观标注数据作为训练的监督信息，而无需对选取的样本图像进行精准的图像效果参数数据标注，通过弱监督学习方式来训练用于生成图像效果变换参数的参数生成神经网络。
-
公开(公告)号：CN108229526A
公开(公告)日：2018-06-29
申请号：CN201710458606.3
申请日：2017-06-16
申请人： 北京市商汤科技开发有限公司
摘要： 本发明实施例提供一种网络训练、图像处理方法、装置、存储介质和电子设备。图像处理神经网络的训练方法，包括：通过参数生成神经网络，获取第一样本图像的图像效果变换参数；根据图像效果变换参数，将所述第一样本图像变换为第二样本图像；通过分类神经网络，获取第二样本图像的效果分类检测数据；根据第二样本图像的效果分类检测数据及所述第一样本图像的图像效果分类标注信息，训练参数生成神经网络。基于生成对抗网络，仅基于图像效果分类的简单、直观标注数据作为训练的监督信息，而无需对选取的样本图像进行精准的图像效果参数数据标注，通过弱监督学习方式来训练用于生成图像效果变换参数的参数生成神经网络。
-
公开(公告)号：CN110634167B
公开(公告)日：2021-07-20
申请号：CN201910927729.6
申请日：2019-09-27
申请人： 北京市商汤科技开发有限公司
摘要： 本公开涉及一种神经网络训练方法及装置和图像生成方法及装置，所述方法包括：将第一随机向量输入生成网络，获得第一生成图像；将第一生成图像和第一真实图像输入判别网络，获得第一判别分布与第二判别分布；根据第一判别分布、第二判别分布、第一目标分布、第二目标分布，确定判别网络的第一网络损失；根据第一判别分布和第二判别分布，确定生成网络的第二网络损失；根据第一网络损失和第二网络损失，对抗训练生成网络和判别网络。根据本公开的实施例的神经网络训练方法，判别网络可针对输入图像输出判别分布，以概率分布的形式描述输入图像的真实性，可从多个方面考量输入图像的真实性，减少信息丢失，提高训练精度。
-
公开(公告)号：CN110634167A
公开(公告)日：2019-12-31
申请号：CN201910927729.6
申请日：2019-09-27
申请人： 北京市商汤科技开发有限公司
摘要： 本公开涉及一种神经网络训练方法及装置和图像生成方法及装置，所述方法包括：将第一随机向量输入生成网络，获得第一生成图像；将第一生成图像和第一真实图像输入判别网络，获得第一判别分布与第二判别分布；根据第一判别分布、第二判别分布、第一目标分布、第二目标分布，确定判别网络的第一网络损失；根据第一判别分布和第二判别分布，确定生成网络的第二网络损失；根据第一网络损失和第二网络损失，对抗训练生成网络和判别网络。根据本公开的实施例的神经网络训练方法，判别网络可针对输入图像输出判别分布，以概率分布的形式描述输入图像的真实性，可从多个方面考量输入图像的真实性，减少信息丢失，提高训练精度。
-
公开(公告)号：CN109190760B
公开(公告)日：2021-11-30
申请号：CN201810885459.2
申请日：2018-08-06
申请人： 北京市商汤科技开发有限公司
摘要： 本公开涉及一种神经网络训练方法及装置和环境处理方法及装置，所述方法包括：将当前训练周期的环境状态向量输入神经网络，获得动作输出和衡量输出；根据环境状态向量和动作输出确定第一奖惩反馈；根据第一奖惩反馈、历史训练周期的第一奖惩反馈和衡量输出，确定神经网络的模型损失；根据模型损失，调整神经网络的网络参数值；在神经网络满足训练条件时，获得训练后的神经网络。根据本公开的实施例的神经网络训练方法，通过当前训练周期和历史训练周期的多个奖惩反馈来确定的模型损失，在训练神经网络的过程中不易陷入局部最优解，可获得拟合优度较高的神经网络。
-
公开(公告)号：CN107622274B
公开(公告)日：2020-06-02
申请号：CN201610562498.X
申请日：2016-07-15
申请人： 北京市商汤科技开发有限公司
摘要： 本发明实施例提供了一种用于图像处理的神经网络训练方法、装置以及计算机设备。用于图像处理的神经网络训练方法包括：训练用于图像识别的第一深度神经网络；通过标注有图像美学分类数据的第一图像训练样本对所述第一深度神经网络的网络参数进行第一更新；将网络参数进行第一更新后的所述第一深度神经网络的分类器层的参数，替换为用于图像识别的分类器层的参数以及用于图像美学分类的分类器层的参数；通过所述第一图像训练样本对分类器层的参数替换后的所述第一深度神经网络的网络参数进行第二更新。由此，可获得图像识别分类的分类器和图像美学分类的分类器，并且提高该两个分类器的准确性和鲁棒性。
-
公开(公告)号：CN109190760A
公开(公告)日：2019-01-11
申请号：CN201810885459.2
申请日：2018-08-06
申请人： 北京市商汤科技开发有限公司
摘要： 本公开涉及一种神经网络训练方法及装置和环境处理方法及装置，所述方法包括：将当前训练周期的环境状态向量输入神经网络，获得动作输出和衡量输出；根据环境状态向量和动作输出确定第一奖惩反馈；根据第一奖惩反馈、历史训练周期的第一奖惩反馈和衡量输出，确定神经网络的模型损失；根据模型损失，调整神经网络的网络参数值；在神经网络满足训练条件时，获得训练后的神经网络。根据本公开的实施例的神经网络训练方法，通过当前训练周期和历史训练周期的多个奖惩反馈来确定的模型损失，在训练神经网络的过程中不易陷入局部最优解，可获得拟合优度较高的神经网络。
-
公开(公告)号：CN107622274A
公开(公告)日：2018-01-23
申请号：CN201610562498.X
申请日：2016-07-15
申请人： 北京市商汤科技开发有限公司
摘要： 本发明实施例提供了一种用于图像处理的神经网络训练方法、装置以及计算机设备。用于图像处理的神经网络训练方法包括：训练用于图像识别的第一深度神经网络；通过标注有图像美学分类数据的第一图像训练样本对所述第一深度神经网络的网络参数进行第一更新；将网络参数进行第一更新后的所述第一深度神经网络的分类器层的参数，替换为用于图像识别的分类器层的参数以及用于图像美学分类的分类器层的参数；通过所述第一图像训练样本对分类器层的参数替换后的所述第一深度神经网络的网络参数进行第二更新。由此，可获得图像识别分类的分类器和图像美学分类的分类器，并且提高该两个分类器的准确性和鲁棒性。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.034 秒)