一种超参数探索方法及装置
文献发布时间:2023-06-19 09:35:27
技术领域
本发明涉及超参数探索技术领域,特别是涉及一种超参数探索方法及装置。
背景技术
当前,在图像中进行目标识别已经广泛应用于各种应用领域,例如:人脸识别、物品识别等。为了在图像中可以更加准确地对目标进行识别,获得更好的目标识别效果,需要使用图像集对目标识别模型的超参数进行探索。
然而,在实际情况中,由于图像集里的各图像中的目标的位置不统一,在对目标识别模型的每一次超参数探索过程中,都需要对图像进行旋转等矫正,增加了超参数探索的工作量,降低了超参数探索的效率。
发明内容
鉴于上述问题,本发明提供一种克服上述问题或者至少部分地解决上述问题的一种超参数探索方法及装置,技术方案如下:
一种超参数探索方法,包括:
通过预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正;
基于进行所述初步矫正后的所述训练图像集和所述验证图像集,使用至少一个目标识别模型对至少部分超参数进行探索以探索到满足预设要求的超参数,其中,所述超参数包括:从进行所述初步矫正的图像中抠取目标的图像的抠取区域的区域参数。
可选的,在所述基于进行所述初步矫正后的所述训练图像集和所述验证图像集,使用至少一个目标识别模型对至少部分超参数进行探索以探索到满足预设要求的超参数之后,所述方法还包括:
将所述满足预设要求的超参数确定为对通过预设图像矫正参数进行初步矫正后的图像进行二次矫正的图像矫正参数。
可选的,所述通过预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正,包括:
通过预设基础矫正模板对应的预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正,所述预设基础矫正模板包括:目标关键点组合R
可选的,所述通过预设基础矫正模板对应的预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正,包括:
在训练图像集和验证图像集中的图像中识别所述预设基础矫正模板所包括的目标关键点组合;
根据所述预设图像矫正参数包括的目标关键点组合R
根据预设图像矫正参数包括的初始抠取区域的位置参数以及初始抠取区域的尺寸参数,在进行矫正后的图像中确定初始抠取区域的位置,并对确定位置的初始抠取区域内的图像进行抠取。
可选的,所述初始抠取区域内至少包括目标的全部图像特征,和/或,所述初始抠取区域的尺寸不小于预设尺寸。
可选的,所述基于进行所述初步矫正后的所述训练图像集和所述验证图像集,使用至少一个目标识别模型对至少部分超参数进行探索以探索到满足预设要求的超参数,包括:
基于进行所述初步矫正后的所述训练图像集对多个目标识别模型的至少部分超参数进行探索,并基于进行所述初步矫正后的验证图像集确定使用所述超参数的所述多个目标识别模型的性能;
根据性能满足第一预设条件的目标识别模型所使用的超参数,修改性能满足第二预设条件的目标识别模型所使用的超参数,其中,所述性能满足第一预设条件的目标识别模型的性能高于所述性能满足第二预设条件的目标识别模型的性能;
根据性能满足第一预设条件的目标识别模型所使用的模型参数,修改性能满足第二预设条件的目标识别模型所使用的模型参数;
继续基于进行所述初步矫正后的所述训练图像集对各目标识别模型的超参数进行探索,直至探索到满足预设要求的超参数。
可选的,所述根据性能满足第一预设条件的目标识别模型所使用的超参数,修改性能满足第二预设条件的目标识别模型所使用的超参数,包括:
根据性能满足第一预设条件的至少两个目标识别模型所使用的超参数对应的抠取区域的区域交集,修改性能满足第二预设条件的目标识别模型所使用的超参数。
一种超参数探索装置,包括:初步矫正单元和超参数探索单元,
所述初步矫正单元,用于通过预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正;
所述超参数探索单元,用于基于进行所述初步矫正后的所述训练图像集和所述验证图像集,使用至少一个目标识别模型对至少部分超参数进行探索以探索到满足预设要求的超参数,其中,所述超参数包括:从进行所述初步矫正的图像中抠取目标的图像的抠取区域的区域参数。
可选的,所述初步矫正单元,具体用于通过预设基础矫正模板对应的预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正,所述预设基础矫正模板包括:目标关键点组合R
可选的,所述初步矫正单元包括:目标关键点组合识别子单元、目标关键点位置矫正子单元和图像抠取子单元,
所述目标关键点组合识别子单元,用于在训练图像集和验证图像集中的图像中识别所述预设基础矫正模板所包括的目标关键点组合;
所述目标关键点位置矫正子单元,用于根据所述预设图像矫正参数包括的目标关键点组合R
所述图像抠取子单元,用于根据预设图像矫正参数包括的初始抠取区域的位置参数以及初始抠取区域的尺寸参数,在进行矫正后的图像中确定初始抠取区域的位置,并对确定位置的初始抠取区域内的图像进行抠取。
借由上述技术方案,本发明提供的一种超参数探索方法及装置,可以通过预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正;基于进行所述初步矫正后的所述训练图像集和所述验证图像集,使用至少一个目标识别模型对至少部分超参数进行探索以探索到满足预设要求的超参数,其中,所述超参数包括:从进行所述初步矫正的图像中抠取目标的图像的抠取区域的区域参数。本发明实施例通过使用预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正后,再对至少一个目标识别模型的至少部分超参数进行探索,使得超参数的探索过程都是在进行初步矫正后的图像上的抠取区域的区域参数上进行探索,无需在超参数探索中对每一次探索过程都对图像进行旋转等矫正,有效降低了超参数探索的工作量,提升了超参数探索的效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例提供的一种超参数探索方法的流程示意图;
图2示出了本发明实施例提供的另一种超参数探索方法的流程示意图;
图3示出了本发明实施例提供的另一种超参数探索方法的流程示意图;
图4示出了本发明实施例提供的另一种超参数探索方法的流程示意图;
图5示出了本发明实施例提供的另一种超参数探索方法的流程示意图;
图6示出了本发明实施例提供的区域交集的说明示意图;
图7示出了本发明实施例提供的另一种超参数探索方法的流程示意图;
图8示出了本发明实施例提供的一种超参数探索装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供的一种超参数探索方法,可以包括:
S100、通过预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正。
出于识别目标等目的,常会采集包含目标的多个图像。但是,由于拍摄角度、目标所在位置、目标姿态等多种原因,拍摄的图像所包含的目标的大小、角度、长宽比等可能会差距较大,这就干扰了对目标识别的效果。同时,由于拍摄的图像中除目标外,还可能包含其他对象,这些对象也会干扰目标识别的效果。
为了避免上述情况,本发明可以通过旋转、调整长宽比、调整大小等方式来降低拍摄的各图像所包含的目标的大小、角度、长宽比等参数中的至少一个参数的差距,同时通过从拍摄的图像中抠取目标的图像来排除其他对象的干扰。上述进行旋转、调整长宽比、调整大小、抠取等处理所需的参数可以为本发明的预设图像矫正参数。
其中,预设图像矫正参数可以是将矫正前的图像矫正为满足预设标准化图像的矫正依据。在通常情况下,不同的图像经过预设图像矫正参数进行矫正后,都可以满足预设标准化图像的要求。
可选的,本发明实施例可以预先获得至少一个目标的多个图像,将该至少一个目标的多个图像划分为训练图像集和验证图像集。可选的,训练图像集中的图像可以与验证图像集中的图像部分相同或全部相同,也可以完全不同。
可选的,基于图1所示的方法,如图2所示,本发明实施例提供的另一种超参数探索方法,步骤S100可以包括:
S110、通过预设基础矫正模板对应的预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正,所述预设基础矫正模板包括:目标关键点组合R
可选的,该预设基础矫正模板可以实现该多个图像矫正模板的共性矫正效果。上述共性矫正效果是多个图像矫正模板均具有的矫正效果,该共性矫正效果可以包括:使得拍摄的各图像所包含的目标角度、长宽比等参数中的至少一个参数一致。除共性矫正效果外,多个图像矫正模板的矫正效果也具有一定的差异性,该差异性矫正效果可以包括:对目标的图像进行抠取的抠取区域的区域参数不同。该区域参数可以包括:抠取区域大小和抠取区域位置。可以理解的是,该区域参数的变化,可以使得从图像中抠取的图像是不同位置和/或不同大小的目标图像。基于上述共性矫正效果和差异性矫正效果,本发明创造性的将对图像的矫正转换为两次矫正过程:初步矫正以及二次矫正。首先,本发明使用根据共性矫正效果得到的预设基础矫正模板来对图像进行初步矫正,以降低拍摄的各图像所包含的目标的大小、角度、长宽比等参数中的至少一个参数的差距。然后,本发明再使用抠取区域的区域参数对进行了初步矫正的图像进行二次矫正。该二次矫正的处理过程包括:依据抠取区域的区域参数,从进行了初步矫正的图像中抠取上述抠取区域的图像。根据上述矫正过程,本发明还创造性的将上述过程应用于超参数探索领域。现有的对目标矫正模板的矫正参数进行探索时,每一次的探索过程均需要对图像进行旋转等矫正,随着探索次数的增加,现有的超参数探索方法会对同一图像进行多次的旋转等矫正,这无疑增加了超参数探索过程的工作量,使得超参数探索过程较为费事耗力。而本发明可以对训练图像集和验证图像集中的图像都进行初步矫正,然后在进行初步矫正的图像上进行超参数的探索。这样,对一个图像只需要进行一次旋转等矫正,后续的超参数探索过程都是在已经进行初步矫正后的图像上的抠取区域的区域参数的探索。本发明可以有效降低超参数探索过程的工作量,大大加快了超参数探索的速度。
下面详细说明将现有的矫正过程转化为两次矫正过程的原理:
目标人脸关键点组合R
假设矫正前的图像为I,经过转换矩阵
假设将经过基础人脸关键点组合R
其中,ldmks是根据图像生成人脸关键点的生成器,可得:
即根据目标关键点组合R
基于上述原理,该两次矫正的具体过程可以包括:根据基础关键点组合R
本发明通过上述原理得到的两次矫正过程,避免了在超参数探索中对同一图像进行多次的旋转等矫正,而是根据基础人脸关键点组合对应的基础图像矫正参数对图像进行初步矫正,再根据目标人脸关键点组合对应的图像矫正参数对初步矫正后的图像进行二次矫正,最终确定出图像中的抠取目标的图像的抠取区域。
可选的,由于人脸具有对称性,在目标为人脸时,本发明实施例可以将x
预设基础矫正模板可以由目标关键点组合R
预设图像矫正参数可以包括:目标关键点组合R
可选的,基于图2所示的方法,如图3所示,本发明实施例提供的另一种超参数探索方法,步骤S110可以包括:
S111、在训练图像集和验证图像集中的图像中识别所述预设基础矫正模板所包括的目标关键点组合。
S112、根据所述预设图像矫正参数包括的目标关键点组合R
S113、根据预设图像矫正参数包括的初始抠取区域的位置参数以及初始抠取区域的尺寸参数,在进行矫正后的图像中确定初始抠取区域的位置,并对确定位置的初始抠取区域内的图像进行抠取。
可选的,上述对图像进行矫正的具体方式可以包括:旋转、拉伸、等比例放大或缩小、移动等多种矫正方式中的一种或多种。
在实际应用中,预设图像矫正参数中初始抠取区域的尺寸不小于预设尺寸。例如:当初始抠取区域为正方形时,初始抠取区域的边长不小于预设长度。可选的,初始抠取区域内至少包括目标的全部图像特征。本发明实施例通过一个比较大的初始抠取区域,可以将目标的更多图像内容进行抠取,从而有利于后续对抠取区域的区域参数的探索。即:通过在一个比较大的初始抠取区域抠取到的图像中探索在该图像中进一步抠取的抠取区域的尺寸和参数。本发明实施例可以对使用预设图像矫正参数矫正过的图像进行抠取区域的区域参数的探索。
本发明实施例通过上述图像矫正,可以降低或消除欧拉角(Euler angles)中的翻滚角(roll)对图像中目标的展示角度的影响,将图像中的目标的展示角度调整得更加规范。本发明实施例根据预设图像矫正参数对训练图像集和验证图像集中的图像进行矫正,使得本发明在对抠取目标的图像的抠取区域的区域参数进行探索时,无需再对同一图像进行多次的旋转等矫正,简化了超参数的探索和优化过程,提高对超参数的探索的效率。
本发明实施例可以在图像中识别超参数所包括的目标关键点组合R
S200、基于进行所述初步矫正后的所述训练图像集和所述验证图像集,使用至少一个目标识别模型对至少部分超参数进行探索以探索到满足预设要求的超参数,其中,所述超参数包括:从进行所述初步矫正的图像中抠取目标的图像的抠取区域的区域参数。
本领域技术人员知悉的是,超参数探索又称为超参数调优或超参数优化,它是一种通过不断调整当前超参数并验证当前超参数下的处理结果的准确度,从而得到满足要求的超参数的方法。超参数探索是一个循环迭代的过程,其包含了多个“超参数调整、超参数验证”的过程。
本发明实施例在进行超参数探索时,可以预先设定超参数探索的范围,以防止其在无限范围内探索。例如:当目标为人脸时,由于人脸的尺寸有限,因此抠取区域的大小是在一定范围内的。本发明实施例可以通过设定抠取区域的尺寸的探索范围来约束探索过程。本发明实施例在进行超参数探索时,还可以设定超参数探索的粒度。由于超参数本身有可能是连续的数值(例如尺寸),因此在探索时需要设定每次探索时超参数变化的最小粒度,例如:抠取区域的边长每次变化最少为5个像素。通过设定超参数探索的粒度,可以灵活设定探索速度和精度。探索时使用的最小粒度越小,则贪多速度越慢同时精度越高,相应的,探索时使用的最小粒度越大,则探索速度越快同时精度越低。
本发明实施例中的目标识别模型可以是遗传算法、卷积神经网络算法、随机森林算法以及其他可用于实现目标识别功能的算法中一种或多种算法结合的模型。
需要注意的是,当目标识别模型所使用的算法不同时,除抠取区域的区域参数外,超参数所包括的其他参数的参数类型可以不同。例如:当目标识别模型所使用算法包括卷积神经网络算法时,超参数还可以包括学习率、深层神经网络隐藏层数等。当目标识别模型所使用算法包括随机森林算法时,超参数还可以包括树的数量和/或树的深度等。
本发明实施例提供对目标识别模型的超参数进行探索的过程包括:在该目标识别模型的当前模型参数以及当前超参数的条件下,添加随机扰动因子,在对训练图像集进行学习的过程中逐渐探索出在该目标识别模型的模型参数下最优超参数。需要注意的是,当前超参数在随机扰动因子的作用下会发生变化,目标识别模型会基于变化后的当前超参数对训练图像集进行学习并通过验证图像集验证该变化后的当前超参数。在通过验证图像集验证该变化后的当前超参数后,本申请可以继续为当前超参数添加随机扰动因子并继续对训练图像集进行学习,以探索和验证更多的超参数。
可选的,本发明实施例中多个目标识别模型的初始超参数可以相同,由于随机扰动因子,探索后的该多个目标识别模型的最优超参数可以不相同。
在通常情况下,本发明实施例可以基于训练图像集同时对8个以上目标识别模型进行训练以探索超参数。
由于本发明同时对多个目标识别模型进行训练以并行探索超参数,因此一方面通过并行探索可以有效提高超参数的探索速度,另一方面,当通过验证图像集发现某目标识别模型探索的超参数较差时,无需继续基于较差的超参数探索下去。本发明可以让该目标识别模型借鉴其他目标识别模型探索到的较好的超参数,从而可以基于较好的超参数探索下去,进一步提高了超参数探索速度。
在本发明实施例中,抠取目标可以是人脸,也可以是物品。本发明实施例主要应用的抠取目标为人脸。抠取区域可以为在抠取目标的图像上的抠取范围。在通常情况下,抠取区域一般包括人脸的额头、五官、下巴以及头发中的一种或多种。可选的,预设图像矫正参数包括的抠取区域的位置参数以及抠取区域的尺寸参数可以使得抠取区域将人脸的全部区域抠取。
可选的,区域参数可以包括从矫正过的图像中抠取目标的图像的抠取区域的位置参数和尺寸参数。其中,位置参数可以包括垂直位移参数和/或水平位移参数。位置参数可以反映抠取区域在抠取目标的图像中的位置关系。尺寸参数可以反映抠取区域所抠取范围的大小。其中,抠取区域的位置参数可以为抠取区域中的某个点的坐标,例如:抠取区域的中心点的坐标。抠取区域的尺寸参数可以为抠取区域的长度和宽度,当抠取区域为正方形时,抠取区域的尺寸参数可以为抠取区域的边长。
可选的,基于图1所示的方法,如图4所示,本发明实施例提供的另一种超参数探索方法,步骤S200可以包括:
S210、基于进行所述初步矫正后的所述训练图像集对多个目标识别模型的至少部分超参数进行探索,并基于进行所述初步矫正后的验证图像集确定使用所述超参数的所述多个目标识别模型的性能。
目标识别模型的性能可以具体为识别准确率。例如:将验证图像集输入目标识别模型,确定目标识别模型识别验证图像集中各图像的识别准确率。假设验证图像集包括100副包含人脸的图像,其中80副图像包括的人脸为张三的人脸,20副图像包括的人脸为李四的人脸。将这100副图像输入目标识别模型,目标识别模型将上述包括的人脸为张三的人脸的80副图像中的75副识别为张三,剩余五副图像识别为其他人,目标识别模型将上述包括的人脸为李四的人脸的20副图像全部识别为李四,则本次通过验证图像集确定的该目标识别模型的识别准确率为95%。本发明可以使用同样的或不同的验证图像集确定多个目标识别模型的性能。
S220、根据性能满足第一预设条件的目标识别模型所使用的超参数,修改性能满足第二预设条件的目标识别模型所使用的超参数,其中,所述性能满足第一预设条件的目标识别模型的性能高于所述性能满足第二预设条件的目标识别模型的性能。
本发明实施例可以对基于验证图像集确定使用所述超参数的多个目标识别模型的性能的由高至低进行排序。
可选的,第一预设条件可以为性能在多个目标识别模型的性能排序中位于预设第一序位之前。可选的,第二预设条件可以为性能在多个目标识别模型的性能排序中位于预设第一序位以下。可选的,第二预设条件可以为性能在多个目标识别模型的性能排序中位于预设第一序位至预设第二序位以内。优选的,预设第一序位可以为第3,预设第二序位可以为倒数第2。可以理解的是,本发明实施例中的预设第一序位和预设第二序位可以根据实际需求进行设置。
可选的,第一预设条件也可以为性能大于预设第一性能阈值。可选的,第二预设条件也可以为性能处于预设第一性能阈值和预设第二性能阈值以内。可以理解的是,本发明实施例中的预设第一性能阈值和预设第二性能阈值可以根据实际需求进行设置。
可选的,在本发明实施例中,性能满足第一预设条件的目标识别模型可以认为是优秀的目标识别模型,性能满足第二预设条件的目标识别模型可以认为是次差的目标识别模型。
可选的,本发明实施例可以直接将性能满足第二预设条件的目标识别模型所使用的超参数直接替换为性能满足第一预设条件的目标识别模型所使用的超参数。通过直接将次差的目标识别模型所使用的超参数替换为优秀的目标识别模型所使用的超参数,可以使得后续该次差的目标识别模型可以根据优秀的目标识别模型所使用的超参数继续进行超参数探索。
可选的,基于图4所示的方法,如图5所示,本发明实施例提供的另一种超参数探索方法,步骤S220可以包括:
S221、根据性能满足第一预设条件的至少两个目标识别模型所使用的超参数对应的抠取区域的区域交集,修改性能满足第二预设条件的目标识别模型所使用的超参数。
可选的,本发明实施例可以在性能满足第一预设条件的至少两个目标识别模型中确定排序最高的两个以上的目标识别模型所使用的超参数对应的抠取区域的区域交集。优选的,本发明实施例可以在性能满足第一预设条件的至少两个目标识别模型中确定排序最高的两个目标识别模型所使用的超参数对应的抠取区域的区域交集。
可选的,本发明实施例可以在性能满足第一预设条件的至少两个目标识别模型中随机确定两个以上的目标识别模型所使用的超参数对应的抠取区域的区域交集。优选的,本发明实施例可以在性能满足第一预设条件的至少两个目标识别模型中随机确定两个目标识别模型所使用的超参数对应的抠取区域的区域交集。
为了便于直观理解区域交集,此处结合图6进行示意性说明:图6中虚线方框001和虚线方框002分别为两个目标识别模型所使用的超参数对应的抠取区域,其中,实线方框003的阴影部分(斜划线部分)即为两个抠取区域的区域交集。
可选的,本发明实施例可以将满足第二预设条件的目标识别模型所使用的所述超参数修改为所述区域交集对应的超参数。
可以理解的是,满足第二预设条件的目标识别模型相对于满足第一预设条件的目标识别模型的性能更差,因此,本发明实施例通过将性能更好的至少两个的目标识别模型所使用的超参数对应的抠取区域的区域交集对应的优秀超参数,替换满足第二预设条件的目标识别模型所使用的超参数,使得后续可以在该满足第二预设条件的目标识别模型中使用该优秀超参数进行超参数探索。
优选的,本发明实施例可以当区域交集位于超参数的参数探索范围时,将满足第二预设条件的目标识别模型所使用的超参数修改为该区域交集对应的超参数。
本发明实施例可以预先设置超参数的参数探索范围。参数探索范围可以是根据探索粒度、参数上限和参数下限设定的探索参数的取值数组。例如:对于超参数中的抠取区域的位置参数中的垂直位移参数,当探索粒度为8、参数上限为96以及参数下限为-96时,则垂直位移参数的参数探索范围为:[-96,-88,-80,......,0,8,16,24,......,96]。与垂直位移参数相似,本发明还可以设定超参数中的抠取区域的位置参数中的水平位移参数的参数探索范围、抠取区域的长度的参数探索范围以及抠取区域的宽度的参数探索范围。
可选的,本发明实施例可以通过判断区域的中心位置和/或抠取面积是否位于参数探索范围内,确定该区域是否位于参数探索范围内。本发明实施例提供的目标识别模型所使用的超参数对应的抠取区域的中心位置均可以位于参数探索范围内。可以理解的是,性能满足第一预设条件的至少两个目标识别模型所使用的超参数对应的抠取区域的区域交集的中心位置可能位于参数探索范围内,也可能位于参数探索范围外。本发明实施例可以在当该区域交集的中心位置位于参数探索范围内时,直接将满足第二预设条件的目标识别模型所使用的超参数修改为该区域交集对应的超参数。本发明实施例通过设置参数探索范围,可以避免无目的进行超参数探索,有效地提高了超参数探索的效率。
可以理解的是,当该区域交集位于参数探索范围外时,由于该区域交集对应的超参数在其他目标识别模型中并未进行过探索,因此,将满足第二预设条件的目标识别模型所使用的超参数直接修改为该区域交集对应的超参数将失去探索意义。综上原因,本发明实施例在该区域交集位于参数探索范围外时,不将满足第二预设条件的目标识别模型所使用的超参数直接修改为该区域交集对应的超参数。
优选的,本发明实施例可以当区域交集位于超参数的参数探索范围内且该区域交集满足抠取区域的形状要求时,将满足第二预设条件的目标识别模型所使用的超参数修改为该区域交集对应的超参数。
在实际应用场景中,在通常情况下抠取区域需要具有固定的形状。例如:正方形。因此,本发明实施例可以在预先设置超参数的参数探索范围之外,预先设置抠取区域的形状要求。本发明实施例可以在当该区域交集的中心位置位于参数探索范围内之后,确定该区域交集的形状是否满足该形状要求,如果满足,则将满足第二预设条件的目标识别模型所使用的超参数修改为该区域交集对应的超参数。本发明实施例通过形状要求的设置,使得探索的超参数更符合实际应用场景的使用。
可选的,本发明实施例可以确定与区域交集的交并比最大的抠取区域,将满足第二预设条件的目标识别模型所使用的超参数修改为交并比最大的抠取区域对应的超参数。
优选的,本发明实施例可以在比该满足第二预设条件的目标识别模型的性能高的其他目标识别模型所使用的超参数对应的抠取区域中,确定与该区域交集的交并比最大的抠取区域,将满足第二预设条件的目标识别模型所使用的超参数修改为交并比最大的抠取区域对应的超参数。
为了便于理解,此处通过举例进行说明:按照性能高低依次为:目标识别模型A、目标识别模型B、目标识别模型C、目标识别模型D以及目标识别模型E,其中,目标识别模型A和目标识别模型B满足第一预设条件,目标识别模型C、目标识别模型D以及目标识别模型E满足第二预设条件。本发明实施例可以在目标识别模型A、目标识别模型B、目标识别模型C以及目标识别模型D所使用的超参数对应的抠取区域中,确定与该区域交集的交并比最大的抠取区域,将目标识别模型E所使用的超参数修改为交并比最大的抠取区域对应的超参数。
优选的,本发明实施例可以在性能满足第一预设条件的至少两个目标识别模型所使用的超参数对应的抠取区域中,确定与该区域交集的交并比最大的抠取区域,将满足第二预设条件的目标识别模型所使用的超参数修改为交并比最大的抠取区域对应的超参数。
为了便于理解,此处通过举例进行说明:目标识别模型F、目标识别模型G以及目标识别模型H满足第一预设条件,目标识别模型I满足第二预设条件。本发明实施例可以在目标识别模型F、目标识别模型G以及目标识别模型H所使用的超参数对应的抠取区域中,确定与该区域交集的交并比最大的抠取区域,将目标识别模型I所使用的超参数修改为交并比最大的抠取区域对应的超参数。本发明实施例通过在满足第一预设条件的至少两个目标识别模型中选择与区域交集的交并比最大的抠取区域的目标识别模型的超参数,对满足第二预设条件的目标识别模型所使用的超参数进行修改,使得满足第二预设条件的目标识别模型后续可以对修改后的超参数进行探索。本发明实施例通过将优秀的目标识别模型探索出的超参数放入次差的目标识别模型中,继续对超参数进行探索,可以逐步探索出满足实际应用场景使用的超参数。
S230、根据性能满足第一预设条件的目标识别模型所使用的模型参数,修改性能满足第二预设条件的目标识别模型所使用的模型参数。
其中,模型参数与超参数不同。模型参数可以是目标识别模型内部的配置变量。可选的,当目标识别模型为神经网络模型时,目标识别模型的模型参数可以为神经网络模型中哥神经元的连接权重。
可选的,本发明可以将性能满足所述第二预设条件的目标识别模型的模型参数修改为:性能满足所述第一预设条件的目标识别模型的模型参数。
可选的,本发明实施例可以在性能满足所述第一预设条件的目标识别模型中选择性能排序最高的目标识别模型的模型参数,修改性能满足第二预设条件的目标识别模型的模型参数。可选的,本发明实施例也可以在性能满足所述第一预设条件的目标识别模型中随机选择一个目标识别模型的模型参数,修改性能满足第二预设条件的目标识别模型的模型参数。可选的,本发明实施例还可以在性能满足所述第一预设条件的目标识别模型中选择与区域交集的交并比最大的抠取区域的目标识别模型的模型参数,修改性能满足第二预设条件的目标识别模型的模型参数。
S240、继续基于进行所述初步矫正后的所述训练图像集对各目标识别模型的超参数进行探索,直至探索到满足预设要求的超参数。
预设要求可以是能够满足实际应用场景使用。在本发明实施例中,预设要求可以根据实际应用场景进行设置,本发明实施例在此不作进一步地限定。例如:上述预设要求可以为:使用满足该预设要求的超参数的目标识别模型的性能满足预设性能需求条件,其中,预设性能需求条件可以为:性能最优或性能不低于预设阈值。
本发明提供的一种超参数探索方法,可以通过预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正;基于进行所述初步矫正后的所述训练图像集和所述验证图像集,使用至少一个目标识别模型对至少部分超参数进行探索以探索到满足预设要求的超参数,其中,所述超参数包括:从进行所述初步矫正的图像中抠取目标的图像的抠取区域的区域参数。本发明实施例通过使用预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正后,再对至少一个目标识别模型的至少部分超参数进行探索,使得超参数的探索过程都是在进行初步矫正后的图像上的抠取区域的区域参数上进行探索,无需在超参数探索中对每一次探索过程都对图像进行旋转等矫正,有效降低了超参数探索的工作量,提升了超参数探索的效率。
可选的,本发明实施例还可以基于性能满足第三预设条件的目标识别模型的超参数,修改性能满足第四预设条件的目标识别模型的超参数,其中,性能满足第三预设条件的目标识别模型的性能高于性能满足第四预设条件的目标识别模型的性能。
可选的,第三预设条件可以与第一预设条件相同,也可以不同。可选的,第三预设条件可以为性能在多个目标识别模型的性能排序中位于预设第三序位。可选的,预设第三序位可以为第1。可选的,性能满足第三预设条件的目标识别模型的性能不低于性能满足第一预设条件的目标识别模型的性能,即性能满足第三预设条件的目标识别模型也满足第一预设条件。优选的,性能满足第三预设条件的目标识别模型可以是在性能满足第一预设条件的目标识别模型中性能最好的目标识别模型。在本发明实施例中,性能满足第三预设条件的目标识别模型可以认为是最优的目标识别模型。
可选的,性能满足第二预设条件的目标识别模型的性能高于性能满足第四预设条件的目标识别模型的性能。可选的,第四预设条件可以为性能在多个目标识别模型的性能排序中位于预设第四序位。可选的,预设第四序位可以为倒数第1。可选的,性能满足第四预设条件的目标识别模型的性能在该多个目标识别模型的性能中最差。在本发明实施例中,性能满足第四预设条件的目标识别模型可以认为是最差的目标识别模型。可选的,本发明实施例可以将性能满足第四预设条件的目标识别模型的超参数修改为性能满足第三预设条件的目标识别模型的超参数。
可选的,本发明实施例可以基于性能满足第三预设条件的目标识别模型的模型参数,修改性能满足第四预设条件的目标识别模型的模型参数。
可选的,本发明实施例可以将性能满足第四预设条件的目标识别模型的模型参数修改为性能满足第三预设条件的目标识别模型的模型参数。由于性能最差的目标识别模型的超参数和模型参数可以认为基本丧失了继续探索得到满足预设要求的超参数的作用,因此本发明实施例通过将性能最优的目标识别模型的超参数和模型参数修改性能最差的目标识别模型的超参数和模型参数,使得满足第四预设条件的目标识别模型在满足第三预设条件的目标识别模型的超参数和模型参数下进行超参数探索。
需要注意的是,尽管满足第四预设条件的目标识别模型的超参数和模型参数与满足第三预设条件的目标识别模型相同,但在进一步的超参数探索中由于随机扰动因子的存在,这两个目标识别模型最终的探索结果可能不相同。
可选的,基于图1所示的方法,如图7所示,本发明实施例提供的另一种超参数探索方法,在步骤S200之后,所述方法还包括:
S300、将所述满足预设要求的超参数确定为对通过预设图像矫正参数进行初步矫正后的图像进行二次矫正的图像矫正参数。
具体的,本发明实施例可以将该满足预设要求的超参数中包括的从进行所述初步矫正的图像中抠取目标的图像的抠取区域的区域参数,确定为对通过预设图像矫正参数进行初步矫正后的图像进行二次矫正的图像矫正参数。进一步地,本发明实施例可以将该区域参数中的位置参数和尺寸参数确定为对通过预设图像矫正参数进行初步矫正后的图像进行二次矫正的图像矫正参数。其中,位置参数可以包括垂直位移参数和/或水平位移参数。可以理解的是,基于上述的“将现有的矫正过程转化为两次矫正过程的原理”说明,当目标为人脸时,则垂直位移参数为m
本发明实施例通过将满足预设要求的超参数确定为对通过预设图像矫正参数进行初步矫正后的图像进行二次矫正的图像矫正参数,在实际应用中,可以对经过该初步矫正的图像立即进行二次矫正,在满足图像矫正效果的质量的同时,简化了对图像进行矫正过程,提升了对图像中目标的抠取速度。
与上述方法实施例相对应,本发明实施例还提供了一种超参数探索装置,其结构如图8所示,可以包括:初步矫正单元100和超参数探索单元200。
所述初步矫正单元100,用于通过预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正。
所述超参数探索单元200,用于基于进行所述初步矫正后的所述训练图像集和所述验证图像集,使用至少一个目标识别模型对至少部分超参数进行探索以探索到满足预设要求的超参数,其中,所述超参数包括:从进行所述初步矫正的图像中抠取目标的图像的抠取区域的区域参数。
可选的,本发明实施例提供的另一种超参数探索装置,还包括:二次矫正参数确定单元。
所述二次矫正参数确定单元,用于所述超参数探索单元200基于进行所述初步矫正后的所述训练图像集和所述验证图像集,使用至少一个目标识别模型对至少部分超参数进行探索以探索到满足预设要求的超参数之后,将所述满足预设要求的超参数确定为对通过预设图像矫正参数进行初步矫正后的图像进行二次矫正的图像矫正参数。
可选的,所述初步矫正单元100,具体用于通过预设基础矫正模板对应的预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正,所述预设基础矫正模板包括:目标关键点组合R
可选的,所述初步矫正单元100包括:目标关键点组合识别子单元、目标关键点位置矫正子单元和图像抠取子单元。
所述目标关键点组合识别子单元,用于在训练图像集和验证图像集中的图像中识别所述预设基础矫正模板所包括的目标关键点组合。
所述目标关键点位置矫正子单元,用于根据所述预设图像矫正参数包括的目标关键点组合R
所述图像抠取子单元,用于根据预设图像矫正参数包括的初始抠取区域的位置参数以及初始抠取区域的尺寸参数,在进行矫正后的图像中确定初始抠取区域的位置,并对确定位置的初始抠取区域内的图像进行抠取。
可选的,所述初始抠取区域内至少包括目标的全部图像特征。
可选的,所述初始抠取区域的尺寸不小于预设尺寸。
可选的,所述超参数探索单元200包括:超参数探索子单元、模型性能确定子单元、超参数修改子单元和模型参数修改子单元。
所述超参数探索子单元,用于基于进行所述初步矫正后的所述训练图像集对多个目标识别模型的至少部分超参数进行探索。
所述模型性能确定子单元,用于基于进行所述初步矫正后的验证图像集确定使用所述超参数的所述多个目标识别模型的性能。
所述超参数修改子单元,用于根据性能满足第一预设条件的目标识别模型所使用的超参数,修改性能满足第二预设条件的目标识别模型所使用的超参数,其中,所述性能满足第一预设条件的目标识别模型的性能高于所述性能满足第二预设条件的目标识别模型的性能。
所述模型参数修改子单元,用于根据性能满足第一预设条件的目标识别模型所使用的模型参数,修改性能满足第二预设条件的目标识别模型所使用的模型参数。
所述超参数探索子单元,还用于继续基于进行所述初步矫正后的所述训练图像集对各目标识别模型的超参数进行探索,直至探索到满足预设要求的超参数。
可选的,所述模型参数修改子单元,具体用于根据性能满足第一预设条件的至少两个目标识别模型所使用的超参数对应的抠取区域的区域交集,修改性能满足第二预设条件的目标识别模型所使用的超参数。
本发明提供的一种超参数探索装置,可以通过预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正;基于进行所述初步矫正后的所述训练图像集和所述验证图像集,使用至少一个目标识别模型对至少部分超参数进行探索以探索到满足预设要求的超参数,其中,所述超参数包括:从进行所述初步矫正的图像中抠取目标的图像的抠取区域的区域参数。本发明实施例通过使用预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正后,再对至少一个目标识别模型的至少部分超参数进行探索,使得超参数的探索过程都是在进行初步矫正后的图像上的抠取区域的区域参数上进行探索,无需在超参数探索中对每一次探索过程都对图像进行旋转等矫正,有效降低了超参数探索的工作量,提升了超参数探索的效率。
所述超参数探索装置包括处理器和存储器,上述初步矫正单元100和超参数探索单元200等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来通过预设图像矫正参数对训练图像集和验证图像集中的图像进行初步矫正,进行初步矫正后的图像上的抠取区域的区域参数上进行探索。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述超参数探索方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述超参数探索方法。
本发明实施例提供了一种设备,设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,处理器、存储器通过总线303完成相互间的通信;处理器用于调用存储器中的程序指令,以执行上述的超参数探索方法。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有上述的超参数探索方法包括的步骤的程序。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
- 一种超参数探索方法及装置
- 一种超参数确定方法、装置及设备