一种模型训练方法及其相关联设备
文献发布时间:2023-06-19 11:42:32
技术领域
本申请涉及人工智能技术领域,尤其涉及一种模型训练方法及其相关联设备。
背景技术
图像语义分割是计算机视觉领域的核心任务之一,该技术可通过神经网络对图像进行特征提取,从而为图像中每个像素点赋予其所属类别的标签。在图像语义分割技术中,为了节省神经网络的训练过程所需的时间成本,领域自适应技术应运而生。
在领域自适应技术中,可先获取待训练模型、目标域图像以及与目标域图像相关联源域图像,其中,源域图像中每个像素点的标签是已知的。然后,通过待训练模型获取目标域图像的预测标签以及源域图像的预测标签,并基于目标域图像的预测标签以及源域图像的预测标签确定待训练模型对应的损失。最后,利用该损失更新待训练模型的参数,从而完成待训练模型的训练,可得到用于图像语义分割的神经网络。
上述训练过程中,仅基于源域图像与目标域图像之间的关系,确定用于更新模型参数的损失。由于考虑的因素较为单一,故基于此种方式训练得到的神经网络,往往泛化能力较差。
发明内容
本申请实施例提供了一种模型训练方法及其相关联设备,在确定用于更新模型参数的损失的过程中,所考虑的因素较为全面,故得到的神经网络具有较强的泛化能力。
本申请实施例的第一方面提供了一种模型训练方法,该方法包括:
当要对第一待训练模型和第二待训练模型进行训练时,可先获取与目标域图像相关联的第一源域图像和与目标域图像相关联的第二源域图像。其中,第一源域图像和第二源域图像为从属于不同源域的两个图像。
然后,通过第一待训练模型获取第一源域图像的第一预测标签和第二源域图像的第二预测标签。可以理解的是,第一预测标签为第一待训练模型对第一源域图像的预测标签,第二预测标签为第一待训练模型对第二源域图像的预测标签。
接着,根据第一预测标签和第二预测标签,获取用于更新第一待训练模型的参数的损失,即第一损失,第一损失用于指示第一预测标签和第二预测标签之间的差异。如此一来,在确定第一损失的过程中,考虑了第一源域图像、第二源域图像之间的关系。
最后,根据第一损失更新第一待训练模型的参数,直至满足模型训练条件,得到第一神经网络。
从上述方法可以看出:在获取与目标域图像相关联的第一源域图像和第二源域图像后,可通过第一待训练模型获取第一源域图像的第一预测标签和第二源域图像的第二预测标签。然后,根据第一预测标签和第二预测标签确定第一损失。在确定第一损失的过程中,考虑了第一待训练模型所得到的第一预测标签和第二预测标签之间的关系(即多个源域图像之间的关系)。由于考虑的因素较为全面,故基于第一损失进行参数更新所得到的第一神经网络,具有较强的泛化能力。
在一种可能的实现方式中,当要对第一待训练模型和第二待训练模型进行训练时,可先获取与目标域图像相关联的第一源域图像和与目标域图像相关联的第二源域图像。其中,第一源域图像和第二源域图像为从属于不同源域的两个图像,第一源域图像与第一待训练模型对应,第二源域图像与第二待训练模型对应,第一源域图像的标签和第二源域图像的标签是已知的,目标域图像的标签是未知的。需要说明的是,前述图像的相关联指这些图像在某个训练任务上相关联,即在对第一待训练模型进行训练时,需要配合第一源域图像和第二源域图像,从而得到目标域图像的标签。同样地,在对第二待训练模型进行训练时,也需要配合第一源域图像和第二源域图像,从而得到目标域图像的标签。因此,第一源域图像和第二源域图像均为与目标域图像相关联的图像。
接着,通过第一待训练模型获取第一源域图像的第一预测标签和第二源域图像的第二预测标签,并通过第二待训练模型获取第一源域图像的第三预测标签和第二源域图像的第四预测标签。可以理解的是,第一预测标签为第一待训练模型对第一源域图像的预测标签,第二预测标签为第一待训练模型对第二源域图像的预测标签,第三预测标签为第二待训练模型对第一源域图像的预测标签,第四预测标签为第二待训练模型对第二源域图像的预测标签。
然后,根据第一预测标签、第二预测标签和第四预测标签确定用于更新第一待训练模型的参数的损失,即第一损失。与此同时,根据第一预测标签、第三预测标签和第四预测标签确定用于更新第二待训练模型的参数的损失,即第二损失。如此一来,在确定第一损失和第二损失的过程中,均考虑了第一源域图像、第二源域图像之间的关系以及第一待训练模型、第二待训练模型之间的关系,即考虑了多个源域图像之间的关系(如,多个源域图像之间的相似性和差异性等等)和多个模型之间的关系(如,多个模型之间的参考性,即模型之间互相学习),所考虑的因素较为全面。
最后,根据第一损失更新第一待训练模型的参数,直至满足模型训练条件,得到第一神经网络,并根据第二损失更新第二待训练模型的参数,直至满足模型训练条件,得到第二神经网络。
从上述实现方式可以看出:在获取与目标域图像相关联的第一源域图像和第二源域图像后,可通过第一待训练模型获取第一源域图像的第一预测标签和第二源域图像的第二预测标签,并通过第二待训练模型获取第一源域图像的第三预测标签和第二源域图像的第四预测标签。然后,根据第一预测标签、第二预测标签和第四预测标签确定第一损失,并根据第一预测标签、第三预测标签和第四预测标签确定第二损失。在确定第一损失的过程中,考虑了第一待训练模型所得到的第一预测标签和第二预测标签之间的关系(即多个源域图像之间的关系)。在此基础上,还考虑了第二待训练模型所得到的第四预测标签所造成的影响(即多个模型之间的关系)。同样的,确定第二损失的过程也考虑了多个源域图像之间的关系以及多个模型之间的关系。由于考虑的因素较为全面,故基于第一损失进行参数更新所得到的第一神经网络,以及基于第二损失进行参数更新所得到的第二神经网络,具有较强的泛化能力。
在一种可能的实现方式中,根据第一预测标签、第二预测标签和第四预测标签确定第一损失具体包括:获取第一源域图像的标签;根据第一预测标签和第一源域图像的标签确定第一子损失;根据第二预测标签和第四预测标签确定第二子损失;根据第一子损失和第二子损失确定第一损失。前述实现方式中,由于第一源域图像的标签(即第一源域图像的真实标签)是已知的,且第一预测标签为第一待训练模型对第一源域图像的预测标签,故可基于第一源域图像的标签和第一源域图像的预测标签确定第一子损失,第一子损失用于指示这两个标签之间的差异。进一步地,第二预测标签为第一待训练模型对第二源域图像的预测标签,第四预测标签为第二待训练模型对第二源域图像的预测标签,故可基于第一待训练模型对第二源域图像的预测标签以及第二待训练模型对第二源域图像的预测标签确定第二子损失,第二子损失用于指示这两个标签之间的差异。如此一来,基于第一子损失和第二子损失所确定的第一损失更新第一待训练模型的参数,可以使得第一待训练模型基于多个源域图像之间的相似性以及多个模型之间的参考性,学习到多个源域图像之间共通的特点,从而提高模型的泛化能力。
在一种可能的实现方式中,根据第一预测标签、第三预测标签和第四预测标签确定第二损失具体包括:获取第二源域图像的标签;根据第四预测标签和第二源域图像的标签确定第三子损失;根据第一预测标签和第三预测标签确定第四子损失;根据第三子损失和第四子损失确定第二损失。前述实现方式中,由于第二源域图像的标签(即第二源域图像的真实标签)是已知的,且第四预测标签为第二待训练模型对第二源域图像的预测标签,故可基于第二源域图像的标签和第二源域图像的预测标签确定第三子损失,第三子损失用于指示这两个标签之间的差异。进一步地,第一预测标签为第一待训练模型对第一源域图像的预测标签,第三预测标签为第二待训练模型对第一源域图像的预测标签,故可基于第一待训练模型对第一源域图像的预测标签以及第二待训练模型对第一源域图像的预测标签确定第四子损失,第四子损失用于指示这两个标签之间的差异。如此一来,基于第三子损失和第四子损失所确定的第二损失更新第二待训练模型的参数,可以使得第二待训练模型基于多个源域图像之间的相似性以及多个模型之间的参考性,学习到多个源域图像之间共通的特点,从而提高模型的泛化能力。
在一种可能的实现方式中,根据第一子损失和第二子损失确定第一损失之前,该方法还包括:通过第一待训练模型获取目标域图像的第五预测标签,并通过第二待训练模型获取目标域图像的第六预测标签;根据第五预测标签和第六预测标签确定目标域图像的标签;根据第五预测标签和目标域图像的标签确定第五子损失;根据第一子损失和第二子损失确定第一损失具体包括:根据第一子损失、第二子损失和第五子损失确定第一损失。前述实现方式中,可根据第一待训练模型对目标域图像的预测标签(即第五预测标签)以及第二待训练模型对目标域图像的预测标签(即第六预测标签)确定目标域图像的标签(伪标签)。然后,根据第一待训练模型对目标域图像的预测标签以及目标域图像的标签可确定第五子损失,第五子损失用于指示这两个标签之间的差异。如此一来,基于第一子损失、第二子损失和第五子损失所确定的第一损失更新第一待训练模型的参数,使得第一待训练模型能基于多个源域图像之间的相似性以及多个模型之间的参考性,学习到多个源域图像之间共通的特点,还能基于多个模型之间的互补性(由于目标域图像的伪标签基于多个待训练模型所得到的目标域图像的预测标签确定),学习到目标域图像的特点,从而提高模型的泛化能力。
在一种可能的实现方式中,根据第三子损失和第四子损失确定第二损失之前,该方法还包括:根据第六预测标签和目标域图像的标签确定第六子损失;根据第三子损失和第四子损失确定第二损失具体包括:根据第三子损失、第四子损失和第六子损失确定第二损失。前述实现方式中,可根据第一待训练模型对目标域图像的预测标签(即第五预测标签)以及第二待训练模型对目标域图像的预测标签(即第六预测标签)确定目标域图像的标签(伪标签)。然后,根据第二待训练模型对目标域图像的预测标签以及目标域图像的标签可确定第六子损失,第六子损失用于指示这两个标签之间的差异。如此一来,基于第三子损失、第四子损失和第六子损失所确定的第二损失更新第二待训练模型的参数,使得第二待训练模型能基于多个源域图像之间的相似性以及多个模型之间的参考性,学习到多个源域图像之间共通的特点,还能基于多个模型之间的互补性(由于目标域图像的伪标签基于多个待训练模型所得到的目标域图像的预测标签确定),学习到目标域图像的特点,从而提高模型的泛化能力。
在一种可能的实现方式中,该方法还包括:将第一源域图像、第二源域图像以及目标域图像从RGB颜色空间转换至LAB颜色空间;在LAB颜色空间中,获取第一源域图像的均值、第一源域图像的方差、第二源域图像的均值、第二源域图像的方差、目标域图像的均值和目标域图像的方差;根据第一源域图像的均值、第一源域图像的方差、目标域图像的均值和目标域图像的方差对第一源域图像进行调整;根据第二源域图像的均值、第二源域图像的方差、目标域图像的均值和目标域图像的方差对第二源域图像进行调整;将调整后的第一源域图像、调整后的第二源域图像以及目标域图像从LAB颜色空间转换至RGB颜色空间。前述实现方式中,通过将图像从RGB颜色空间转换到LAB颜色空间,然后基于源域图像的参数以及目标域图像的参数,对源域图像进行调整,从而令源域图像的分布于目标域图像的分布对齐,使得源域的图像风格跟目标域的图像风格更加接近,减小源域图像之间、源域图像和目标域图像之间的分布差异。
在一种可能的实现方式中,第一子损失和第三子损失为交叉熵损失。
在一种可能的实现方式中,第二子损失以及第四子损失为相对熵损失。
在一种可能的实现方式中,第五子损失和第六子损失为交叉熵损失或相对熵损失。
本申请实施例的第二方面提供了一种模型训练装置,该装置包括:获取模块,用于获取与目标域图像相关联的第一源域图像和与目标域图像相关联的第二源域图像;训练模块,用于通过第一待训练模型获取第一源域图像的第一预测标签和第二源域图像的第二预测标签;训练模块,还用于根据第一预测标签和第二预测标签,获取第一损失,第一损失用于指示第一预测标签和第二预测标签之间的差异;训练模块,还用于根据第一损失更新第一待训练模型的参数,得到第一神经网络。
从上述装置可以看出:在获取与目标域图像相关联的第一源域图像和第二源域图像后,可通过第一待训练模型获取第一源域图像的第一预测标签和第二源域图像的第二预测标签。然后,根据第一预测标签和第二预测标签确定第一损失。在确定第一损失的过程中,考虑了第一待训练模型所得到的第一预测标签和第二预测标签之间的关系(即多个源域图像之间的关系)。由于考虑的因素较为全面,故基于第一损失进行参数更新所得到的第一神经网络,具有较强的泛化能力。
在一种可能的实现方式中,训练模块,还用于通过第二待训练模型获取第一源域图像的第三预测标签和第二源域图像的第四预测标签;训练模块,具体用于根据第一预测标签、第二预测标签和第四预测标签,获取第一损失。
在一种可能的实现方式中,训练模块,还用于:根据第一预测标签、第三预测标签和第四预测标签,获取第二损失;根据第二损失更新第二待训练模型的参数,得到第二神经网络。
在一种可能的实现方式中,训练模块,具体用于:获取第一源域图像的标签;根据第一预测标签和第一源域图像的标签,获取第一子损失,第一子损失用于指示第一预测标签和第一源域图像的标签之间的差异;根据第二预测标签和第四预测标签,获取第二子损失,第二子损失用于指示第二预测标签和第四预测标签之间的差异;根据第一子损失和第二子损失进行叠加计算,得到第一损失。
在一种可能的实现方式中,训练模块,具体用于:获取第二源域图像的标签;根据第四预测标签和第二源域图像的标签,获取第三子损失,第三子损失用于指示第四预测标签和第二源域图像的标签之间的差异;根据第一预测标签和第三预测标签,获取第四子损失,第四子损失用于指示第一预测标签和第三预测标签之间的差异;根据第三子损失和第四子损失进行叠加计算,得到第二损失。
在一种可能的实现方式中,训练模块,还用于:通过第一待训练模型获取目标域图像的第五预测标签,并通过第二待训练模型获取目标域图像的第六预测标签;根据第五预测标签和第六预测标签,获取目标域图像的标签;根据第五预测标签和目标域图像的标签,获取第五子损失,第五子损失用于指示第五预测标签和目标域图像的标签之间的差异;训练模块,具体用于根据第一子损失、第二子损失和第五子损失进行叠加计算,得到第一损失。
在一种可能的实现方式中,训练模块,还用于:根据第六预测标签和目标域图像的标签,获取第六子损失,第六子损失用于指示第六预测标签和目标域图像的标签之间的差异;训练模块,具体用于根据第三子损失、第四子损失和第六子损失进行叠加计算,得到第二损失。
在一种可能的实现方式中,第一子损失和第三子损失为交叉熵损失。
在一种可能的实现方式中,第二子损失以及第四子损失为相对熵损失。
在一种可能的实现方式中,第五子损失和第六子损失为交叉熵损失或相对熵损失。
在一种可能的实现方式中,获取模块,还用于:将第一源域图像、第二源域图像以及目标域图像从RGB颜色空间转换至LAB颜色空间;在LAB颜色空间中,获取第一源域图像的均值、第一源域图像的方差、第二源域图像的均值、第二源域图像的方差、目标域图像的均值和目标域图像的方差;根据第一源域图像的均值、第一源域图像的方差、目标域图像的均值和目标域图像的方差对第一源域图像进行调整;根据第二源域图像的均值、第二源域图像的方差、目标域图像的均值和目标域图像的方差对第二源域图像进行调整;将调整后的第一源域图像、调整后的第二源域图像以及目标域图像从LAB颜色空间转换至RGB颜色空间。
本申请实施例的第三方面提供了一种模型训练装置,该装置包括存储器和处理器;存储器存储有代码,处理器被配置为执行代码,当代码被执行时,模型训练装置执行如第一方面或第一方面中任意一种可能的实现方式所述的方法。
本申请实施例第四方面提供了一种电路系统,该电路系统包括处理电路,该处理电路配置为执行如第一方面或第一方面中任意一种可能的实现方式所述的方法。
本申请第五方面提供了一种芯片系统,该芯片系统包括处理器,用于调用存储器中存储的计算机程序或计算机指令,以使得该处理器执行如第一方面或第一方面中任意一种可能的实现方式所述的方法。
在一种可能的实现方式中,该处理器通过接口与存储器耦合。
在一种可能的实现方式中,该芯片系统还包括存储器,该存储器中存储有计算机程序或计算机指令。
本申请实施例的第六方面提供了一种计算机存储介质,该计算机存储介质存储有计算机程序,该程序在由计算机执行时,使得计算机实施如第一方面或第一方面中任意一种可能的实现方式所述的方法。
本申请实施例第七方面提供了一种计算机程序产品,该计算机程序产品存储有指令,该指令在由计算机执行时,使得计算机实施如第一方面或第一方面中任意一种可能的实现方式所述的方法。
本申请实施例中,在获取与目标域图像相关联的第一源域图像和第二源域图像后,可通过第一待训练模型获取第一源域图像的第一预测标签和第二源域图像的第二预测标签,并通过第二待训练模型获取第一源域图像的第三预测标签和第二源域图像的第四预测标签。然后,根据第一预测标签、第二预测标签和第四预测标签确定第一损失,并根据第一预测标签、第三预测标签和第四预测标签确定第二损失。在确定第一损失的过程中,考虑了第一待训练模型所得到的第一预测标签和第二预测标签之间的关系(即多个源域图像之间的关系)。在此基础上,还考虑了第二待训练模型所得到的第四预测标签所造成的影响(即多个模型之间的关系)。同样的,确定第二损失的过程也考虑了多个源域图像之间的关系以及多个模型之间的关系。由于考虑的因素较为全面,故基于第一损失进行参数更新所得到的第一神经网络,以及基于第二损失进行参数更新所得到的第二神经网络,具有较强的泛化能力。
附图说明
图1为人工智能主体框架的一种结构示意图;
图2a为本申请实施例提供的图像处理系统的一个结构示意图;
图2b为本申请实施例提供的图像处理系统的另一结构示意图;
图2c为本申请实施例提供的图像处理的相关设备的一个示意图;
图3a为本申请实施例提供的系统100架构的一个示意图;
图3b为本申请实施例提供的图像语义分割的一个示意图;
图4为本申请实施例提供的模型训练方法的一个流程示意图;
图5为本申请实施例提供的模型训练方法的应用例的一个示意图;
图6为本申请实施例提供的模型训练装置的一个结构示意图;
图7为本申请实施例提供的执行设备的一个结构示意图;
图8为本申请实施例提供的训练设备的一个结构示意图;
图9为本申请实施例提供的芯片的一个结构示意图。
具体实施方式
本申请实施例提供了一种模型训练方法及其相关联设备,在确定用于更新模型参数的损失的过程中,所考虑的因素较为全面,故得到的神经网络具有较强的泛化能力。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外,术语“包括”和“具有”并他们的任何变形,意图在于覆盖不排他的包含,以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
人工智能(artificial intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
首先对人工智能系统总体工作流程进行描述,请参见图1,图1为人工智能主体框架的一种结构示意图,下面从“智能信息链”(水平轴)和“IT价值链”(垂直轴)两个维度对上述人工智能主题框架进行阐述。其中,“智能信息链”反映从数据的获取到处理的一列过程。举例来说,可以是智能信息感知、智能信息表示与形成、智能推理、智能决策、智能执行与输出的一般过程。在这个过程中,数据经历了“数据—信息—知识—智慧”的凝练过程。“IT价值链”从人智能的底层基础设施、信息(提供和处理技术实现)到系统的产业生态过程,反映人工智能为信息技术产业带来的价值。
(1)基础设施
基础设施为人工智能系统提供计算能力支持,实现与外部世界的沟通,并通过基础平台实现支撑。通过传感器与外部沟通;计算能力由智能芯片(CPU、NPU、GPU、ASIC、FPGA等硬件加速芯片)提供;基础平台包括分布式计算框架及网络等相关的平台保障和支持,可以包括云存储和计算、互联互通网络等。举例来说,传感器和外部沟通获取数据,这些数据提供给基础平台提供的分布式计算系统中的智能芯片进行计算。
(2)数据
基础设施的上一层的数据用于表示人工智能领域的数据来源。数据涉及到图形、图像、语音、文本,还涉及到传统设备的物联网数据,包括已有系统的业务数据以及力、位移、液位、温度、湿度等感知数据。
(3)数据处理
数据处理通常包括数据训练,机器学习,深度学习,搜索,推理,决策等方式。
其中,机器学习和深度学习可以对数据进行符号化和形式化的智能信息建模、抽取、预处理、训练等。
推理是指在计算机或智能系统中,模拟人类的智能推理方式,依据推理控制策略,利用形式化的信息进行机器思维和求解问题的过程,典型的功能是搜索与匹配。
决策是指智能信息经过推理后进行决策的过程,通常提供分类、排序、预测等功能。
(4)通用能力
对数据经过上面提到的数据处理后,进一步基于数据处理的结果可以形成一些通用的能力,比如可以是算法或者一个通用系统,例如,翻译,文本的分析,计算机视觉的处理,语音识别,图像的识别等等。
(5)智能产品及行业应用
智能产品及行业应用指人工智能系统在各领域的产品和应用,是对人工智能整体解决方案的封装,将智能信息决策产品化、实现落地应用,其应用领域主要包括:智能终端、智能交通、智能医疗、自动驾驶、平安城市等。
接下来介绍几种本申请的应用场景。
图2a为本申请实施例提供的图像处理系统的一个结构示意图,该图像处理系统包括用户设备以及数据处理设备。其中,用户设备包括手机、个人电脑或者信息处理中心等智能终端。用户设备为图像处理的发起端,作为图像增强请求的发起方,通常由用户通过用户设备发起请求。
上述数据处理设备可以是云服务器、网络服务器、应用服务器以及管理服务器等具有数据处理功能的设备或服务器。数据处理设备通过交互接口接收来自智能终端的图像增强请求,再通过存储数据的存储器以及数据处理的处理器环节进行机器学习,深度学习,搜索,推理,决策等方式的图像处理。数据处理设备中的存储器可以是一个统称,包括本地存储以及存储历史数据的数据库,数据库可以在数据处理设备上,也可以在其它网络服务器上。
在图2a所示的图像处理系统中,用户设备可以接收用户的指令,例如用户设备可以获取用户输入/选择的一张图像,然后向数据处理设备发起请求,使得数据处理设备针对用户设备得到的该图像执行图像语义分割应用,从而得到针对该图像的对应的处理结果。示例性的,用户设备可以获取用户输入的一张待处理图像,然后向数据处理设备发起图像处理请求,使得数据处理设备对该图像进行执行图像处理应用(例如,图像语义分割等),从而得到处理后的图像(包含该图像以及该图像的标签)。
在图2a中,数据处理设备可以执行本申请实施例的图像处理方法。
图2b为本申请实施例提供的图像处理系统的另一结构示意图,在图2b中,用户设备直接作为数据处理设备,该用户设备能够直接获取来自用户的输入并直接由用户设备本身的硬件进行处理,具体过程与图2a相似,可参考上面的描述,在此不再赘述。
在图2b所示的图像处理系统中,用户设备可以接收用户的指令,例如用户设备可以获取用户在用户设备中所选择的一张待处理图像,然后再由用户设备自身针对该图像执行图像处理应用(例如,图像语义分割等),从而得到针对该图像的对应的处理结果。
在图2b中,用户设备自身就可以执行本申请实施例的图像处理方法。
图2c为本申请实施例提供的图像处理的相关设备的一个示意图。
上述图2a和图2b中的用户设备具体可以是图2c中的本地设备301或者本地设备302,图2a中的数据处理设备具体可以是图2c中的执行设备210,其中,数据存储系统250可以存储执行设备210的待处理数据,数据存储系统250可以集成在执行设备210上,也可以设置在云上或其它网络服务器上。
图2a和图2b中的处理器可以通过神经网络模型或者其它模型(例如,基于支持向量机的模型)进行数据训练/机器学习/深度学习,并利用数据最终训练或者学习得到的模型针对图像执行图像处理应用,从而得到相应的处理结果。
图3a为本申请实施例提供的系统100架构的一个示意图,在图3a中,执行设备110配置输入/输出(input/output,I/O)接口112,用于与外部设备进行数据交互,用户可以通过客户设备140向I/O接口112输入数据,所述输入数据在本申请实施例中可以包括:各个待调度任务、可调用资源以及其他参数。
在执行设备110对输入数据进行预处理,或者在执行设备110的计算模块111执行计算等相关的处理(比如进行本申请中神经网络的功能实现)过程中,执行设备110可以调用数据存储系统150中的数据、代码等以用于相应的处理,也可以将相应处理得到的数据、指令等存入数据存储系统150中。
最后,I/O接口112将处理结果返回给客户设备140,从而提供给用户。
值得说明的是,训练设备120可以针对不同的目标或称不同的任务,基于不同的训练数据生成相应的目标模型/规则,该相应的目标模型/规则即可以用于实现上述目标或完成上述任务,从而为用户提供所需的结果。其中,训练数据可以存储在数据库130中,且来自于数据采集设备160采集的训练样本。
在图3a中所示情况下,用户可以手动给定输入数据,该手动给定可以通过I/O接口112提供的界面进行操作。另一种情况下,客户设备140可以自动地向I/O接口112发送输入数据,如果要求客户设备140自动发送输入数据需要获得用户的授权,则用户可以在客户设备140中设置相应权限。用户可以在客户设备140查看执行设备110输出的结果,具体的呈现形式可以是显示、声音、动作等具体方式。客户设备140也可以作为数据采集端,采集如图所示输入I/O接口112的输入数据及输出I/O接口112的输出结果作为新的样本数据,并存入数据库130。当然,也可以不经过客户设备140进行采集,而是由I/O接口112直接将如图所示输入I/O接口112的输入数据及输出I/O接口112的输出结果,作为新的样本数据存入数据库130。
值得注意的是,图3a仅是本申请实施例提供的一种系统架构的示意图,图中所示设备、器件、模块等之间的位置关系不构成任何限制,例如,在图3a中,数据存储系统150相对执行设备110是外部存储器,在其它情况下,也可以将数据存储系统150置于执行设备110中。如图3a所示,可以根据训练设备120训练得到神经网络。
本申请实施例还提供的一种芯片,该芯片包括神经网络处理器NPU。该芯片可以被设置在如图3a所示的执行设备110中,用以完成计算模块111的计算工作。该芯片也可以被设置在如图3a所示的训练设备120中,用以完成训练设备120的训练工作并输出目标模型/规则。
神经网络处理器NPU,NPU作为协处理器挂载到主中央处理器(centralprocessing unit,CPU)(host CPU)上,由主CPU分配任务。NPU的核心部分为运算电路,控制器控制运算电路提取存储器(权重存储器或输入存储器)中的数据并进行运算。
在一些实现中,运算电路内部包括多个处理单元(process engine,PE)。在一些实现中,运算电路是二维脉动阵列。运算电路还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路是通用的矩阵处理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路从权重存储器中取矩阵B相应的数据,并缓存在运算电路中每一个PE上。运算电路从输入存储器中取矩阵A数据与矩阵B进行矩阵运算,得到的矩阵的部分结果或最终结果,保存在累加器(accumulator)中。
向量计算单元可以对运算电路的输出做进一步处理,如向量乘,向量加,指数运算,对数运算,大小比较等等。例如,向量计算单元可以用于神经网络中非卷积/非FC层的网络计算,如池化(pooling),批归一化(batch normalization),局部响应归一化(localresponse normalization)等。
在一些实现种,向量计算单元能将经处理的输出的向量存储到统一缓存器。例如,向量计算单元可以将非线性函数应用到运算电路的输出,例如累加值的向量,用以生成激活值。在一些实现中,向量计算单元生成归一化的值、合并值,或二者均有。在一些实现中,处理过的输出的向量能够用作到运算电路的激活输入,例如用于在神经网络中的后续层中的使用。
统一存储器用于存放输入数据以及输出数据。
权重数据直接通过存储单元访问控制器(direct memory access controller,DMAC)将外部存储器中的输入数据搬运到输入存储器和/或统一存储器、将外部存储器中的权重数据存入权重存储器,以及将统一存储器中的数据存入外部存储器。
总线接口单元(bus interface unit,BIU),用于通过总线实现主CPU、DMAC和取指存储器之间进行交互。
与控制器连接的取指存储器(instruction fetch buffer),用于存储控制器使用的指令;
控制器,用于调用指存储器中缓存的指令,实现控制该运算加速器的工作过程。
一般地,统一存储器,输入存储器,权重存储器以及取指存储器均为片上(On-Chip)存储器,外部存储器为该NPU外部的存储器,该外部存储器可以为双倍数据率同步动态随机存储器(double data rate synchronous dynamic random access memory,DDRSDRAM)、高带宽存储器(high bandwidth memory,HBM)或其他可读可写的存储器。
由于本申请实施例涉及大量神经网络的应用,为了便于理解,下面先对本申请实施例涉及的相关术语及神经网络等相关概念进行介绍。
(1)神经网络
神经网络可以是由神经单元组成的,神经单元可以是指以xs和截距1为输入的运算单元,该运算单元的输出可以为:
其中,s=1、2、……n,n为大于1的自然数,Ws为xs的权重,b为神经单元的偏置。f为神经单元的激活函数(activation functions),用于将非线性特性引入神经网络中,来将神经单元中的输入信号转换为输出信号。该激活函数的输出信号可以作为下一层卷积层的输入。激活函数可以是sigmoid函数。神经网络是将许多个上述单一的神经单元联结在一起形成的网络,即一个神经单元的输出可以是另一个神经单元的输入。每个神经单元的输入可以与前一层的局部接受域相连,来提取局部接受域的预测标签,局部接受域可以是由若干个神经单元组成的区域。
神经网络中的每一层的工作可以用数学表达式y=a(Wx+b)来描述:从物理层面神经网络中的每一层的工作可以理解为通过五种对输入空间(输入向量的集合)的操作,完成输入空间到输出空间的变换(即矩阵的行空间到列空间),这五种操作包括:1、升维/降维;2、放大/缩小;3、旋转;4、平移;5、“弯曲”。其中1、2、3的操作由Wx完成,4的操作由+b完成,5的操作则由a()来实现。这里之所以用“空间”二字来表述是因为被分类的对象并不是单个事物,而是一类事物,空间是指这类事物所有个体的集合。其中,W是权重向量,该向量中的每一个值表示该层神经网络中的一个神经元的权重值。该向量W决定着上文所述的输入空间到输出空间的空间变换,即每一层的权重W控制着如何变换空间。训练神经网络的目的,也就是最终得到训练好的神经网络的所有层的权重矩阵(由很多层的向量W形成的权重矩阵)。因此,神经网络的训练过程本质上就是学习控制空间变换的方式,更具体的就是学习权重矩阵。
因为希望神经网络的输出尽可能的接近真正想要预测的值,所以可以通过比较当前网络的预测值和真正想要的目标值,再根据两者之间的差异情况来更新每一层神经网络的权重向量(当然,在第一次更新之前通常会有初始化的过程,即为神经网络中的各层预先配置参数),比如,如果网络的预测值高了,就调整权重向量让它预测低一些,不断的调整,直到神经网络能够预测出真正想要的目标值。因此,就需要预先定义“如何比较预测值和目标值之间的差异”,这便是损失函数(loss function)或目标函数(objective function),它们是用于衡量预测值和目标值的差异的重要方程。其中,以损失函数举例,损失函数的输出值(loss)越高表示差异越大,那么神经网络的训练就变成了尽可能缩小这个loss的过程。
(2)反向传播算法
神经网络可以采用误差反向传播(back propagation,BP)算法在训练过程中修正初始的神经网络模型中参数的大小,使得神经网络模型的重建误差损失越来越小。具体地,前向传递输入信号直至输出会产生误差损失,通过反向传播误差损失信息来更新初始的神经网络模型中参数,从而使误差损失收敛。反向传播算法是以误差损失为主导的反向传播运动,旨在得到最优的神经网络模型的参数,例如权重矩阵。
(3)图像语义分割
图像语义分割是指将图像按照某种规则(如光照、类别)将像素细分成不同的类别。简单来说,图像语义分割的目标是给图像中的每一个像素点都标注一个标签,即标注出图像中每个像素所属的对象类别,这些标签可以包括人、动物、汽车、鲜花、家具等。可以参阅图3b,图3b为本申请实施例提供的图像语义分割的一个示意图。如图3b所示,通过图像语义分割可以将图像在像素级别按照类别划分成不同的子区域,如建筑物、天空、植物等子区域。
下面从神经网络的训练侧和神经网络的应用侧和对本申请提供的方法进行描述。
本申请实施例提供的模型训练方法,涉及图像的处理,具体可以应用于数据训练、机器学习、深度学习等数据处理方法,对训练数据(如本申请中的源域图像和目标域图像)进行符号化和形式化的智能信息建模、抽取、预处理、训练等,最终得到训练好的神经网络。在得到训练后的神经网络后,可根据实际需求对神经网络输入待处理图像,从而使得神经网络对该图像进行图像语义分割,从而得到该图像的标签,即将该图像划分为不同的子区域。由此可见,本申请实施例提供的模型训练方法以及基于该方法所得到的神经网络的应用过程,可以理解为一个系统中的两个部分,或一个整体流程的两个阶段:如模型训练阶段和模型应用阶段。
图4为本申请实施例提供的模型训练方法的一个流程示意图。如图4所示,该方法包括:
401、获取目标域图像、与目标域图像相关联的第一源域图像和与目标域图像相关联的第二源域图像。
当需要训练出多个用于进行图像语义分割的神经网络时,可先获取多个待训练模型、多个源域图像以及目标域图像。下文将对多个待训练模型、多个源域图像以及目标域图像分别进行介绍:
多个待训练模型可以为相同类别的神经网络模型,也可以不同类别的神经网络模型,任意一个待训练模型可以为多层感知机(multi-layer perceptron,MLP)、卷积神经网络(convolutional neural networks,CNN)、递归神经网络(recursive neural network)、循环神经网络(recurrent neural network,RNN)等模型中的任意一种。例如,多个待训练模型包含第一待训练模型、第二待训练模型、第三待训练模型等等,第一待训练模型、第二待训练模型、第三待训练模型等模型可以均为MLP。又如,第一待训练模型为MLP,第二待训练模型为CNN,第三待训练模型为RNN等。可见,本申请实施例并不对模型的类别进行限制。
多个源域图像为多个不同源域的图像,例如,多个源域图像包含第一源域图像、第二源域图像以及第三源域图像等等,其中,第一源域图像从属于第一源域,第二源域图像从属于第二源域,第三源域图像从属于第三源域等等。值得注意的是,任意一个源域图像的标签是已知的,即任意一个源域图像中,每个像素点的标签均是已知且可直接获取的。
目标域图像为从属于目标域的图像,由于目标域图像的标签是未知的,故在对多个待训练模型进行训练的过程中,训练任务的目标为:通过反复地训练每个待训练模型,从而准确地获取目标域图像的标签。
值得注意的是,多个待训练模型与多个源域图像一一对应,那么,一个待训练模型则对应一个源域。依旧如上述例子,第一待训练模型与第一源域图像对应(相当于第一待训练模型与第一源域对应),第二待训练模型与第二源域图像对应(相当于第二待训练模型与第二源域对应),第三待训练模型与第三源域图像对应(相当于第三待训练模型与第三源域对应)。进一步地,每个待训练模型在训练过程需配合多个源域图像,从而最终确定目标域图像的标签,因此,多个源域图像可视为与目标域图像相关联的图像,即多个源域图像与目标域图像在同一个训练任务上是相关联的。
为了便于说明,下文将在多个待训练模型中,以第一待训练模型和第二待训练模型为例进行示意性说明,即除了第一待训练模型和第二待训练模型,其余待训练模型也会执行后续的步骤。相应地,在多个源域图像中,也以第一源域图像和第二源域图像进行示意性说明,后续不再赘述。
402、将第一源域图像、第二源域图像以及目标域图像从RGB颜色空间转换至LAB颜色空间。
403、将第一源域图像与目标域图像进行图像对齐。
404、将第二源域图像与目标域图像进行图像对齐。
405、将调整后的第一源域图像、调整后的第二源域图像以及目标域图像从LAB颜色空间转换至RGB颜色空间。
在得到第一源域图像、第二源域图像以及目标域图像后,由于不同图像的图像风格(例如,图像的色调、图像的光照等等)不同,即不同图像之间存在一定的分布差异,为了消除这些分布差异对训练任务造成的影响,需要对第一源域图像、第二源域图像以及目标域图像进行图像对齐,图像对齐的过程包括:
一般地,步骤401中获取的第一源域图像、第二源域图像以及目标域图像均为RGB图像,故可先将第一源域图像、第二源域图像以及目标域图像从RGB颜色空间转换至LAB颜色空间。可以理解的是,转换后的第一源域图像、第二源域图像以及目标域图像则为LAB图像。
然后,在LAB颜色空间中,获取第一源域图像的均值、第一源域图像的方差、第二源域图像的均值、第二源域图像的方差、目标域图像的均值和目标域图像的方差。接着,根据第一源域图像的均值、第一源域图像的方差、目标域图像的均值和目标域图像的方差对第一源域图像进行调整,并根据第二源域图像的均值、第二源域图像的方差、目标域图像的均值和目标域图像的方差对第二源域图像进行调整。其中,调整操作可以基于公式(2)实现:
上式中,
如此一来,调整后的第一源域图像和调整后的第二源域图像均可对齐至目标域图像。得到调整后的第一源域图像、调整后的第二源域图像,可将调整后的第一源域图像、调整后的第二源域图像以及目标域图像从LAB颜色空间转换至RGB颜色空间。可以理解的是,转换后的第一源域图像、第二源域图像以及目标域图像则为RGB图像。
此外,其余源域图像也可执行上述的图像对齐操作,此处不再赘述。在所有源域图像执行图像对齐操作后,所有调整后的源域图像均可对齐至目标域图像。那么,源域图像的图像风格和目标域图像的图像风格可变得更加贴近,从而减小源域图像之间的分布差异以及源域图像与目标域图像之间的分布差异。
406、通过第一待训练模型获取第一源域图像的第一预测标签、第二源域图像的第二预测标签以及目标域图像的第五预测标签。
经过图像对齐后,可将第一源域图像、第二源域图像以及目标域图像输入至第一待训练模型,使得第一待训练模型对第一源域图像、第二源域图像以及目标域图像进行特征提取,得到第一源域图像的第一预测标签、第二源域图像的第二预测标签以及目标域图像的第五预测标签。其中,第一预测标签为第一待训练模型对第一源域图像的预测标签、第二预测标签为第一待训练模型对第二源域图像的预测标签、第五预测标签为第一待训练模型对目标域图像的预测标签。
407、通过第二待训练模型获取第一源域图像的第三预测标签、第二源域图像的第四预测标签以及目标域图像的第六预测标签。
经过图像对齐后,可将第一源域图像、第二源域图像以及目标域图像输入至第二待训练模型,使得第二待训练模型对第一源域图像、第二源域图像以及目标域图像进行特征提取,得到第一源域图像的第三预测标签、第二源域图像的第四预测标签以及目标域图像的第六预测标签。其中,第三预测标签为第二待训练模型对第一源域图像的预测标签、第四预测标签为第二待训练模型对第二源域图像的预测标签、第六预测标签为第二待训练模型对目标域图像的预测标签。
408、根据第一预测标签、第二预测标签、第四预测标签、第五预测标签和第六预测标签确定第一损失。
得到第一预测标签、第二预测标签、第三预测标签、第四预测标签、第五预测标签和第六预测标签后,可根据第一预测标签、第二预测标签、第四预测标签、第五预测标签和第六预测标签确定第一损失。具体地,可先获取第一源域图像的标签,并根据第一预测标签(即第一待训练模型对第一源域图像的预测标签)和第一源域图像的标签(第一源域图像的真实标签,是已知且可直接获取的)确定第一子损失,第一子损失可通过交叉熵损失函数确定,即公式(3)确定:
上式中,Y
接着,根据第二预测标签(即第一待训练模型对第二源域图像的预测标签)和第四预测标签(即第二待训练模型对第二源域图像的预测标签)确定第二子损失,第二子损失可通过相对熵损失函数确定,即公式(4)和公式(5)确定:
上式中,
然后,根据第五预测标签(即第一待训练模型对目标域图像的预测标签)和第六预测标签(即第二待训练模型对目标域图像的预测标签)确定目标域图像的标签(即目标域图像的伪标签),目标域图像的标签可通过公式(6)至(8)确定:
上式中,
公式(7)可以理解为:将
公式(8)可以理解为:对步骤一至步骤六做C次迭代,当前次迭代为c。步骤一,根据
随后,可根据目标域图像的标签和第五预测标签确定第五子损失。第五子损失可通过交叉熵损失函数或相对熵损失函数确定,下文以交叉熵损失函数进行示意性说明,第五损失可通过式(9)确定:
上式中,x
最后,可根据第一子损失、第二子损失和第五子损失确定用于更新第一待训练模型的参数的损失,即第一损失,第一损失可通过公式(10)确定:
上式中,L
409、根据第一预测标签、第三预测标签、第四预测标签、第五预测标签和第六预测标签确定第二损失。
得到第一预测标签、第二预测标签、第三预测标签、第四预测标签、第五预测标签和第六预测标签后,可根据第一预测标签、第三预测标签、第四预测标签、第五预测标签和第六预测标签确定第二损失。
具体地,可先获取第二源域图像的标签,并根据第四预测标签(即第二待训练模型对第二源域图像的预测标签)和第二源域图像的标签确定第三子损失,第三子损失的确定过程可参考前述第一子损失的确定过程,此处不再赘述。
然后,可根据第一预测标签(即第一待训练模型对第一源域图像的预测标签)和第三预测标签(即第二待训练模型对第一源域图像的预测标签)确定第四子损失,第四子损失的确定过程可参考前述第二子损失的确定过程,此处不再赘述。
随后,可根据第六预测标签和目标域图像的标签确定第六子损失,第六子损失的确定过程可参考前述第五子损失的确定过程,此处不再赘述。
最后,可根据第三子损失、第四子损失和第六子损失确定用于更新第二待训练模型的参数的损失,即第二损失。第二损失的确定过程可参考前述第一损失的确定过程,此处不再赘述
此外,基于步骤406和步骤408所描述的过程,还可确定用于更新其余待训练模型的参数的损失,即用于更新第三待训练模型的参数的第三损失、用于更新第三待训练模型的参数的第四损失等等,此处不再赘述。
410、根据第一损失更新第一待训练模型的参数,得到第一神经网络。
411、根据第二损失更新第二待训练模型的参数,得到第二神经网络。
得到第一损失和第二损失后,可根据第一损失更新第一待训练模型的参数,直至满足模型训练条件(例如,第一损失达到收敛时)等等,从而得到第一神经网络。同样地,可根据第二损失更新第二待训练模型的参数,直至满足模型训练条件,从而得到第二神经网络。此外,还可通过其余损失更新其余待训练模型的参数,直至满足模型训练条件,从而得到其余神经网络。如此一来,则可以得到多个用于进行图像语义分割的神经网络。
本申请实施例中,在获取与目标域图像相关联的第一源域图像和第二源域图像后,可通过第一待训练模型获取第一源域图像的第一预测标签和第二源域图像的第二预测标签,并通过第二待训练模型获取第一源域图像的第三预测标签和第二源域图像的第四预测标签。然后,根据第一预测标签、第二预测标签和第四预测标签确定第一损失,并根据第一预测标签、第三预测标签和第四预测标签确定第二损失。在确定第一损失的过程中,考虑了第一待训练模型所得到的第一预测标签和第二预测标签之间的关系(即多个源域图像之间的关系)。在此基础上,还考虑了第二待训练模型所得到的第四预测标签所造成的影响(即多个模型之间的关系)。同样的,确定第二损失的过程也考虑了多个源域图像之间的关系以及多个模型之间的关系。由于考虑的因素较为全面,故基于第一损失进行参数更新所得到的第一神经网络,以及基于第二损失进行参数更新所得到的第二神经网络,具有较强的泛化能力。
为了进一步理解本方案,下文结合一个应用例对本申请实施例提供的图像处理方法做进一步的介绍。图5为本申请实施例提供的模型训练方法的应用例的一个示意图,如图5所示,该应用例包括:设存在源域图像a、源域图像b和目标域图像C,以及与源域图像a对应的待训练模型D和与源域图像b对应的待训练模型E。
在将源域图像a与目标域图像C进行图像对齐后,可得到对齐至目标域图像C的源域图像A。同理,可将源域图像b与目标域图像C进行图像对齐,得到对齐至目标域图像C的源域图像B。
然后,通过待训练模型D获取源域图像A的预测标签A1、源域图像B的预测标签B1和目标域图像C的预测标签C1,并通过待训练模型E获取源域图像A的预测标签A2、源域图像B的预测标签B2和目标域图像C的预测标签C2。
接着,可获取源域图像a的标签A3以及源域图像b的标签B3,并基于预测标签C1和预测标签C2可确定出目标域图像C的标签C3。紧接着,可基于预测标签A1、预测标签B1、预测标签C1、预测标签B2、标签A3和标签C3确定用于更新待训练模型D的参数的损失,且可基于预测标签A2、预测标签B2、预测标签C2、预测标签A1、标签B3和标签C3确定用于更新待训练模型D的参数的损失。
最后,根据得到的损失值对待训练模型D的参数、待训练模型D的参数进行更新,直至满足模型训练条件,得到用于进行图像语义切割的神经网络。
此外,为了进一步证明经过本申请实施例提供的模型训练方法所得到的神经网络的性能,可将本申请实施例提供的模型训练方法所得到的神经网络,与其余模型训练方法所得到的神经网络进行比较,比较结果如表1所示:
表1
需要说明的是,上述各个方法所使用的训练样本(即源域图像和目标域图像)是相同的。上述得分是指各个方法所得到的神经网络,在对某个图像进行图像语义分割时所得到的分数(即对每个像素点分类是否正确)。方法一为背景技术中所介绍的方法,方法二位背景技术中所介绍的方法加上图像对齐技术所组成的方法,方法三为图像对齐技术加上目标域协同学习的方法,方法四为图像对齐技术加上源域协同学习的方法,方法五为本申请实施例提供的方法,即图像对齐技术加上源域协同学习以及目标域协同学习的方法。可见,经过本申请实施例提供的模型训练方法所得到的神经网络的性能最优。
进一步的,还可获取更多其余的方法所训练得到的神经网络与本申请实施例提供的模型训练方法所得到的神经网络进行比较,以神经网络在图像对每一类物体的分类是否正确进行打分,得分结果如表2所示:
表2
需要说明的是,上述各个方法所使用的训练样本(即源域图像和目标域图像)是相同的。方法六至方法十一为传统的方法,通过比较得分可知,经过本申请实施例提供的模型训练方法所得到的神经网络的性能最优。
以上是对本申请实施例提供的模型训练方法所进行的详细说明,以下将对本申请实施例提供的模型训练装置进行介绍。图6为本申请实施例提供的模型训练装置的一个结构示意图。如图6所示,该装置包括:
获取模块601,用于获取与目标域图像相关联的第一源域图像和与目标域图像相关联的第二源域图像;
训练模块602,用于通过第一待训练模型获取第一源域图像的第一预测标签和第二源域图像的第二预测标签;
训练模块602,还用于根据第一预测标签和第二预测标签,获取第一损失,第一损失用于指示第一预测标签和第二预测标签之间的差异;
训练模块602,还用于根据第一损失更新第一待训练模型的参数,得到第一神经网络。
从上述装置可以看出:在获取与目标域图像相关联的第一源域图像和第二源域图像后,可通过第一待训练模型获取第一源域图像的第一预测标签和第二源域图像的第二预测标签。然后,根据第一预测标签和第二预测标签确定第一损失。在确定第一损失的过程中,考虑了第一待训练模型所得到的第一预测标签和第二预测标签之间的关系(即多个源域图像之间的关系)。由于考虑的因素较为全面,故基于第一损失进行参数更新所得到的第一神经网络,具有较强的泛化能力。
在一种可能的实现方式中,训练模块602,还用于通过第二待训练模型获取第一源域图像的第三预测标签和第二源域图像的第四预测标签;训练模块602,具体用于根据第一预测标签、第二预测标签和第四预测标签,获取第一损失。
在一种可能的实现方式中,训练模块602,还用于:根据第一预测标签、第三预测标签和第四预测标签,获取第二损失;根据第二损失更新第二待训练模型的参数,得到第二神经网络。
在一种可能的实现方式中,训练模块602,具体用于:获取第一源域图像的标签;根据第一预测标签和第一源域图像的标签,获取第一子损失,第一子损失用于指示第一预测标签和第一源域图像的标签之间的差异;根据第二预测标签和第四预测标签,获取第二子损失,第二子损失用于指示第二预测标签和第四预测标签之间的差异;根据第一子损失和第二子损失进行叠加计算,得到第一损失。
在一种可能的实现方式中,训练模块602,具体用于:获取第二源域图像的标签;根据第四预测标签和第二源域图像的标签,获取第三子损失,第三子损失用于指示第四预测标签和第二源域图像的标签之间的差异;根据第一预测标签和第三预测标签,获取第四子损失,第四子损失用于指示第一预测标签和第三预测标签之间的差异;根据第三子损失和第四子损失进行叠加计算,得到第二损失。
在一种可能的实现方式中,训练模块602,还用于:通过第一待训练模型获取目标域图像的第五预测标签,并通过第二待训练模型获取目标域图像的第六预测标签;根据第五预测标签和第六预测标签,获取目标域图像的标签;根据第五预测标签和目标域图像的标签,获取第五子损失,第五子损失用于指示第五预测标签和目标域图像的标签之间的差异;训练模块602,具体用于根据第一子损失、第二子损失和第五子损失进行叠加计算,得到第一损失。
在一种可能的实现方式中,训练模块602,还用于:根据第六预测标签和目标域图像的标签,获取第六子损失,第六子损失用于指示第六预测标签和目标域图像的标签之间的差异;训练模块602,具体用于根据第三子损失、第四子损失和第六子损失进行叠加计算,得到第二损失。
在一种可能的实现方式中,第一子损失和第三子损失为交叉熵损失。
在一种可能的实现方式中,第二子损失以及第四子损失为相对熵损失。
在一种可能的实现方式中,第五子损失和第六子损失为交叉熵损失或相对熵损失。
在一种可能的实现方式中,获取模块601,还用于:将第一源域图像、第二源域图像以及目标域图像从RGB颜色空间转换至LAB颜色空间;在LAB颜色空间中,获取第一源域图像的均值、第一源域图像的方差、第二源域图像的均值、第二源域图像的方差、目标域图像的均值和目标域图像的方差;根据第一源域图像的均值、第一源域图像的方差、目标域图像的均值和目标域图像的方差对第一源域图像进行调整;根据第二源域图像的均值、第二源域图像的方差、目标域图像的均值和目标域图像的方差对第二源域图像进行调整;将调整后的第一源域图像、调整后的第二源域图像以及目标域图像从LAB颜色空间转换至RGB颜色空间。
需要说明的是,上述装置各模块/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其带来的技术效果与本申请方法实施例相同,具体内容可参考本申请实施例前述所示的方法实施例中的叙述,此处不再赘述。
本申请实施例还涉及一种执行设备,图7为本申请实施例提供的执行设备的一个结构示意图。如图7所示,执行设备700具体可以表现为手机、平板、笔记本电脑、智能穿戴设备、服务器等,此处不做限定。其中,执行设备700上可以通过图4对应实施例中所得到的神经网络,对图像进行图像语义分割。具体的,执行设备700包括:接收器701、发射器702、处理器703和存储器704(其中执行设备700中的处理器703的数量可以一个或多个,图7中以一个处理器为例),其中,处理器703可以包括应用处理器7031和通信处理器7032。在本申请的一些实施例中,接收器701、发射器702、处理器703和存储器704可通过总线或其它方式连接。
存储器704可以包括只读存储器和随机存取存储器,并向处理器703提供指令和数据。存储器704的一部分还可以包括非易失性随机存取存储器(non-volatile randomaccess memory,NVRAM)。存储器704存储有处理器和操作指令、可执行模块或者数据结构,或者它们的子集,或者它们的扩展集,其中,操作指令可包括各种操作指令,用于实现各种操作。
处理器703控制执行设备的操作。具体的应用中,执行设备的各个组件通过总线系统耦合在一起,其中总线系统除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见,在图中将各种总线都称为总线系统。
上述本申请实施例揭示的方法可以应用于处理器703中,或者由处理器703实现。处理器703可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器703中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器703可以是通用处理器、数字信号处理器(digital signal processing,DSP)、微处理器或微控制器,还可进一步包括专用集成电路(application specific integratedcircuit,ASIC)、现场可编程门阵列(field-programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。该处理器703可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器704,处理器703读取存储器704中的信息,结合其硬件完成上述方法的步骤。
接收器701可用于接收输入的数字或字符信息,以及产生与执行设备的相关设置以及功能控制有关的信号输入。发射器702可用于通过第一接口输出数字或字符信息;发射器702还可用于通过第一接口向磁盘组发送指令,以修改磁盘组中的数据;发射器702还可以包括显示屏等显示设备。
本申请实施例中,在一种情况下,处理器703,用于通过图4对应实施例中所得到的神经网络,对图像进行图像语义分割。
本申请实施例还涉及一种训练设备,图8为本申请实施例提供的训练设备的一个结构示意图。如图8所示,训练设备800由一个或多个服务器实现,训练设备800可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(centralprocessing units,CPU)814(例如,一个或一个以上处理器)和存储器832,一个或一个以上存储应用程序842或数据844的存储介质830(例如一个或一个以上海量存储设备)。其中,存储器832和存储介质830可以是短暂存储或持久存储。存储在存储介质830的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对训练设备中的一系列指令操作。更进一步地,中央处理器814可以设置为与存储介质830通信,在训练设备800上执行存储介质830中的一系列指令操作。
训练设备800还可以包括一个或一个以上电源826,一个或一个以上有线或无线网络接口850,一个或一个以上输入输出接口858;或,一个或一个以上操作系统841,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
具体的,训练设备可以执行图4对应实施例中的模型训练方法。
本申请实施例还涉及一种计算机存储介质,该计算机可读存储介质中存储有用于进行信号处理的程序,当其在计算机上运行时,使得计算机执行如前述执行设备所执行的步骤,或者,使得计算机执行如前述训练设备所执行的步骤。
本申请实施例还涉及一种计算机程序产品,该计算机程序产品存储有指令,该指令在由计算机执行时使得计算机执行如前述执行设备所执行的步骤,或者,使得计算机执行如前述训练设备所执行的步骤。
本申请实施例提供的执行设备、训练设备或终端设备具体可以为芯片,芯片包括:处理单元和通信单元,所述处理单元例如可以是处理器,所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令,以使执行设备内的芯片执行上述实施例描述的数据处理方法,或者,以使训练设备内的芯片执行上述实施例描述的数据处理方法。可选地,所述存储单元为所述芯片内的存储单元,如寄存器、缓存等,所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元,如只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)等。
具体的,请参阅图9,图9为本申请实施例提供的芯片的一个结构示意图,所述芯片可以表现为神经网络处理器NPU 900,NPU 900作为协处理器挂载到主CPU(Host CPU)上,由Host CPU分配任务。NPU的核心部分为运算电路903,通过控制器904控制运算电路903提取存储器中的矩阵数据并进行乘法运算。
在一些实现中,运算电路903内部包括多个处理单元(Process Engine,PE)。在一些实现中,运算电路903是二维脉动阵列。运算电路903还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路903是通用的矩阵处理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路从权重存储器902中取矩阵B相应的数据,并缓存在运算电路中每一个PE上。运算电路从输入存储器901中取矩阵A数据与矩阵B进行矩阵运算,得到的矩阵的部分结果或最终结果,保存在累加器(accumulator)908中。
统一存储器906用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(Direct Memory Access Controller,DMAC)905,DMAC被搬运到权重存储器902中。输入数据也通过DMAC被搬运到统一存储器906中。
BIU为Bus Interface Unit即,总线接口单元910,用于AXI总线与DMAC和取指存储器(Instruction Fetch Buffer,IFB)909的交互。
总线接口单元910(Bus Interface Unit,简称BIU),用于取指存储器909从外部存储器获取指令,还用于存储单元访问控制器905从外部存储器获取输入矩阵A或者权重矩阵B的原数据。
DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器906或将权重数据搬运到权重存储器902中或将输入数据数据搬运到输入存储器901中。
向量计算单元907包括多个运算处理单元,在需要的情况下,对运算电路903的输出做进一步处理,如向量乘,向量加,指数运算,对数运算,大小比较等等。主要用于神经网络中非卷积/全连接层网络计算,如Batch Normalization(批归一化),像素级求和,对预测标签平面进行上采样等。
在一些实现中,向量计算单元907能将经处理的输出的向量存储到统一存储器906。例如,向量计算单元907可以将线性函数;或,非线性函数应用到运算电路903的输出,例如对卷积层提取的预测标签平面进行线性插值,再例如累加值的向量,用以生成激活值。在一些实现中,向量计算单元907生成归一化的值、像素级求和的值,或二者均有。在一些实现中,处理过的输出的向量能够用作到运算电路903的激活输入,例如用于在神经网络中的后续层中的使用。
控制器904连接的取指存储器(instruction fetch buffer)909,用于存储控制器904使用的指令;
统一存储器906,输入存储器901,权重存储器902以及取指存储器909均为On-Chip存储器。外部存储器私有于该NPU硬件架构。
其中,上述任一处提到的处理器,可以是一个通用中央处理器,微处理器,ASIC,或一个或多个用于控制上述程序执行的集成电路。
另外需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本申请提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,训练设备,或者网络设备等)执行本申请各个实施例所述的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、训练设备或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、训练设备或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的训练设备、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
- 一种模型训练方法及其相关联设备
- 一种模型结构、模型训练方法、图像增强方法及设备