-
公开(公告)号:CN112819157A
公开(公告)日:2021-05-18
申请号:CN202110124780.0
申请日:2021-01-29
申请人: 商汤集团有限公司
摘要: 本公开提供了一种神经网络训练的方法及装置、智能行驶控制的方法及装置,其中,训练的方法包括:构建与原始神经网络对应的待训练神经网络;将构建的待训练神经网络包括的多个网络层划分为多个网络层组,并基于当前资源池中的可分配运算资源对划分的每个网络层组进行资源分配;基于为每个网络层组分配的运算资源以及预先采集的图像样本,控制待训练神经网络包括的每个网络层进行训练,得到训练后的神经网络。由于待训练神经网络的通道数量更少,且经过网络层组的资源分配使得训练阶段所分配的资源更为合理,这样所训练得到的神经网络的性能更佳,从而可以更好的应用在图像处理技术领域。
-
公开(公告)号:CN113052301A
公开(公告)日:2021-06-29
申请号:CN202110334296.0
申请日:2021-03-29
申请人: 商汤集团有限公司
摘要: 本公开提供了一种神经网络生成方法、装置、智能行驶方法、设备、电子设备及计算机可读存储介质,其中,本公开将神经网络中各个网络层的通道分别进行分组,并基于网络规模限制信息和通道组的重要程度信息,剔除不重要的通道组,得到的目标神经网络通道数满足对应移动终端对通道数的特定要求,不需要后续对通道数进行增加或减少,能够直接部署到移动终端上。利用通道组获取最终的目标神经网络的方式,速度快,效率高;同时不会损失剪裁得到的目标神经网络的精度。
-
公开(公告)号:CN111382870A
公开(公告)日:2020-07-07
申请号:CN202010152855.1
申请日:2020-03-06
申请人: 商汤集团有限公司
摘要: 本公开提供了一种训练神经网络的方法、目标检测方法、行驶控制方法、装置、电子设备及存储介质,该方法包括:基于获取的训练样本图像,确定训练样本图像对应的多个目标区域样本图像;基于训练好的教师神经网络和多个目标区域样本图像,确定训练样本图像的第一关联度,以及基于待训练的学生神经网络和多个目标区域样本图像,确定训练样本图像的第二关联度;其中,第一关联度和第二关联度用于表征训练样本图像中包括的任意两个目标对象之间的相似程度;基于确定的第一关联度和第二关联度,确定学生神经网络相比教师神经网络的损失信息;基于损失信息,调整学生神经网络的网络参数信息。
-
公开(公告)号:CN113052300A
公开(公告)日:2021-06-29
申请号:CN202110334077.2
申请日:2021-03-29
申请人: 商汤集团有限公司
摘要: 本公开提供了一种神经网络训练方法、装置、智能行驶方法、设备、电子设备及存储介质。本公开对待剪裁神经网络进行过度剪裁,得到一个比目标神经网络的网络规模小的过剪裁神经网络,之后通过在过剪裁神经网络中对检测精度的影响大的第二网络层中增加通道,来得到目标神经网络,本公开不需要训练一个大神经网络,节省了时间和计算资源,同时本公开不需要进行多轮的通道剪裁,只需要对检测精度的影响大的第二网络层中增加通道,单次迭代就能够得到目标神经网络,进一步节省了时间和计算资源,提高了神经网络的剪裁效率。
-
公开(公告)号:CN113052301B
公开(公告)日:2024-05-28
申请号:CN202110334296.0
申请日:2021-03-29
申请人: 商汤集团有限公司
IPC分类号: G06N3/0475 , G06N3/0495 , G06N3/082
摘要: 本公开提供了一种神经网络生成方法、装置、智能行驶方法、设备、电子设备及计算机可读存储介质,其中,本公开将神经网络中各个网络层的通道分别进行分组,并基于网络规模限制信息和通道组的重要程度信息,剔除不重要的通道组,得到的目标神经网络通道数满足对应移动终端对通道数的特定要求,不需要后续对通道数进行增加或减少,能够直接部署到移动终端上。利用通道组获取最终的目标神经网络的方式,速度快,效率高;同时不会损失剪裁得到的目标神经网络的精度。
-
公开(公告)号:CN113052300B
公开(公告)日:2024-05-28
申请号:CN202110334077.2
申请日:2021-03-29
申请人: 商汤集团有限公司
IPC分类号: G06N3/0495 , G06N3/082
摘要: 本公开提供了一种神经网络训练方法、装置、智能行驶方法、设备、电子设备及存储介质。本公开对待剪裁神经网络进行过度剪裁,得到一个比目标神经网络的网络规模小的过剪裁神经网络,之后通过在过剪裁神经网络中对检测精度的影响大的第二网络层中增加通道,来得到目标神经网络,本公开不需要训练一个大神经网络,节省了时间和计算资源,同时本公开不需要进行多轮的通道剪裁,只需要对检测精度的影响大的第二网络层中增加通道,单次迭代就能够得到目标神经网络,进一步节省了时间和计算资源,提高了神经网络的剪裁效率。
-
公开(公告)号:CN112819157B
公开(公告)日:2024-04-16
申请号:CN202110124780.0
申请日:2021-01-29
申请人: 商汤集团有限公司
摘要: 本公开提供了一种神经网络训练的方法及装置、智能行驶控制的方法及装置,其中,训练的方法包括:构建与原始神经网络对应的待训练神经网络;将构建的待训练神经网络包括的多个网络层划分为多个网络层组,并基于当前资源池中的可分配运算资源对划分的每个网络层组进行资源分配;基于为每个网络层组分配的运算资源以及预先采集的图像样本,控制待训练神经网络包括的每个网络层进行训练,得到训练后的神经网络。由于待训练神经网络的通道数量更少,且经过网络层组的资源分配使得训练阶段所分配的资源更为合理,这样所训练得到的神经网络的性能更佳,从而可以更好的应用在图像处理技术领域。
-
-
-
-
-
-