本申请涉及机器学习,尤其涉及一种目标检测网络的生成方法、装置、电子设备及存储介质。
背景技术:
1、相关技术中的目标检测网络中的每层网络的处理方式,往往根据技术人员的经验来人工设计,这样不仅耗费人力和时间,还由于技术人员的经验参差不齐导致目标检测网络的性能难以保证。
技术实现思路
1、本申请实施例提供一种目标检测网络的生成方法、装置、电子设备及存储介质。
2、第一方面,本申请实施例提供一种目标检测网络的生成方法,包括:
3、根据目标权重和多层网络中每层网络的目标状态,确定所述每层网络的目标动作;
4、根据所述每层网络的目标动作,确定所述每层网络的处理方式;
5、根据所述每层网络的处理方式,生成所述目标检测网络。
6、第二方面,本申请实施例提供一种电子装置,包括:
7、确定单元,用于根据目标权重和多层网络中每层网络的目标状态,确定所述每层网络的目标动作;
8、所述确定单元,还用于根据所述每层网络的目标动作,确定所述每层网络的处理方式;
9、生成单元,用于根据所述每层网络的处理方式,生成所述目标检测网络。
10、第三方面,本申请实施例提供一种电子设备,包括:存储器和处理器,
11、所述存储器存储有可在所述处理器上运行的计算机程序,
12、所述处理器执行所述计算机程序时实现第一方面所述方法。
13、第四方面,本申请实施例提供一种计算机存储介质,所述计算机存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现第一方面所述方法。
14、本申请实施例中,根据目标权重和多层网络中每层网络的目标状态,确定每层网络的目标动作;根据每层网络的目标动作,确定每层网络的处理方式;根据每层网络的处理方式,生成所述目标检测网络。如此,电子设备能够确定每层网络的处理方式,无需人工参与,从而节约了人力和时间,还能够提高目标检测网络的性能;另外,由于每层网络的处理方式,是根据目标权重和多层网络中每层网络的目标状态确定的,从而每层网络的处理方式能够根据每层网络的目标状态灵活确定,提高了每层网络的处理方式的准确性。
1.一种目标检测网络的生成方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据目标权重和多层网络中每层网络的目标状态,确定所述每层网络的目标动作,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述每层网络的第i轮状态和所述每层网络的第i轮动作,对所述第i轮权重进行更新,得到第i+1轮权重,包括:
4.根据权利要求2或3所述的方法,其特征在于,所述第i轮动作包括以下至少之一:下采样处理、上采样处理、不进行尺寸变换处理。
5.根据权利要求4所述的方法,其特征在于,所述下采样处理对应的处理方式包括:通过大小为3且卷积步长为2的卷积核处理;
6.根据权利要求1至3任一项所述的方法,其特征在于,所述目标检测网络的目标下采样倍数为预先配置,或者,所述方法还包括:根据所述每层网络的目标动作,确定所述目标检测网络的目标下采样倍数;
7.根据权利要求2或3所述的方法,其特征在于,所述每层网络的第i轮状态包括以下至少之一:i对应的索引、所述特征图像的数量、所述特征图像的通道数、所述特征图像的宽、所述特征图像的高、所述目标检测网络的第i-1轮下采样倍数、第i-1轮剩余下采样倍数、第i-1轮动作;
8.一种电子装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:存储器和处理器,
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1至7任一项所述方法。