CN108776834A - 系统增强学习方法和装置、电子设备、计算机存储介质 - Google Patents

系统增强学习方法和装置、电子设备、计算机存储介质 Download PDF

Info

Publication number
CN108776834A
CN108776834A CN201810428099.3A CN201810428099A CN108776834A CN 108776834 A CN108776834 A CN 108776834A CN 201810428099 A CN201810428099 A CN 201810428099A CN 108776834 A CN108776834 A CN 108776834A
Authority
CN
China
Prior art keywords
result
network
enhancing
obtains
adjustment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810428099.3A
Other languages
English (en)
Other versions
CN108776834B (zh
Inventor
谢树钦
陈梓天
徐超
卢策吾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Sensetime Intelligent Technology Co Ltd
Original Assignee
Shanghai Sensetime Intelligent Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Sensetime Intelligent Technology Co Ltd filed Critical Shanghai Sensetime Intelligent Technology Co Ltd
Priority to CN201810428099.3A priority Critical patent/CN108776834B/zh
Publication of CN108776834A publication Critical patent/CN108776834A/zh
Priority to JP2020535040A priority patent/JP6896176B2/ja
Priority to PCT/CN2019/078520 priority patent/WO2019214344A1/zh
Priority to KR1020207026754A priority patent/KR102420715B1/ko
Priority to SG11202006017SA priority patent/SG11202006017SA/en
Priority to US16/904,915 priority patent/US11669711B2/en
Application granted granted Critical
Publication of CN108776834B publication Critical patent/CN108776834B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06F18/2155—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the incorporation of unlabelled data, e.g. multiple instance learning [MIL], semi-supervised techniques using expectation-maximisation [EM] or naïve labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)

Abstract

本公开实施例公开了一种系统增强学习方法和装置、电子设备、计算机存储介质，其中，方法包括：基于系统的第一网络对输入图像进行处理，得到第一结果；将所述第一结果输入所述系统的第二网络，得到第二结果；经增强网络基于所述第二结果获得增强操作，基于所述增强操作对所述第一结果进行调整，获得目标结果。本公开上述实施例通过增强网络实现信息从下游层级反馈回上游层级，优化了系统的输出结果。

Description

系统增强学习方法和装置、电子设备、计算机存储介质
技术领域
本公开涉及计算机视觉技术，尤其是一种系统增强学习方法和装置、电子设备、计算机存储介质。
背景技术
当前，多层级系统取得了很好的效果，如在多人姿态检测任务上，基于多层级系统设计的算法(物体检测器+单人姿态检测器)在很多数据库上都取得了最好的结果。同时，多层级结构的算法也允许调整和替换不同的模块，模型的灵活性很强。因此具有非常强的潜力和广大的前景。
发明内容
本公开实施例提供的一种系统增强学习技术。
根据本公开实施例的一个方面，提供的一种系统增强学习方法，包括：
基于系统的第一网络对输入图像进行处理，得到第一结果；
将所述第一结果输入所述系统的第二网络，得到第二结果；
经增强网络基于所述第二结果获得增强操作，基于所述增强操作对所述第一结果进行调整，获得目标结果。
可选地，所述经增强网络基于所述第二结果获得增强操作，基于所述增强操作对所述第一结果进行调整，基于所述调整后的第一结果获得目标结果，包括：
经所述增强网络基于所述第二网络输出的所述第二结果获得增强操作，基于所述增强操作对所述第一结果进行调整，得到第一中间结果；
将所述第一中间结果输入所述第二网络，基于所述第一中间结果得到第二结果，将所述第二结果输入所述增强网络；
响应于达到预设条件，输出所述第二结果作为所述目标结果。
可选地，所述增强操作包括至少一个调整动作；
所述经增强网络基于所述第二网络输出的第二结果获得增强操作，基于所述增强操作对所述第一结果进行调整，得到第一中间结果，包括：
基于所述第二结果经增强网络获得调整动作概率，基于所述调整动作概率确定至少一个调整动作；
基于所述至少一个调整动作对所述第一结果进行调整，得到第一中间结果。
可选地，所述经增强网络基于所述第二网络输出的第二结果对所述第一结果进行调整，得到第一中间结果，包括：
基于所述第二结果和所述第一结果，经增强网络获得调整动作概率，基于所述调整动作概率确定至少一个调整动作；
基于所述至少一个调整动作对所述第一结果进行调整，得到第一中间结果。
可选地，所述基于所述第二结果和所述第一结果，经增强网络获得调整动作概率，基于所述调整动作概率确定至少一个调整动作，包括：
基于所述第二结果和所述第一结果得到连接结果；
基于所述连接结果经增强网络获得调整动作概率，基于所述调整动作概率确定至少一个调整动作。
可选地，所述第一网络包括以下一个或多个网络：
检测神经网络、识别神经网络、分类神经网络；
所述第二网络包括以下一个或多个网络：
检测神经网络、识别神经网络、分类神经网络。
可选地，还包括：基于样本图像训练所述系统，所述样本图像已知样本目标结果。
可选地，所述基于样本图像训练所述系统，包括：
基于所述系统的第一网络对所述样本图像进行处理，得到第一样本结果；
将所述第一样本结果输入所述系统的第二网络，得到第二样本结果；
经增强网络基于所述第二样本结果获得增强操作，基于所述增强操作对所述第一样本结果进行调整，基于调整后的第一样本结果获得预测目标结果；
基于所述预测目标结果和所述样本目标结果分别调整所述第二网络和所述增强网络的参数。
可选地，所述经增强网络基于所述第二样本结果获得增强操作，基于所述增强操作对所述第一样本结果进行调整，基于调整后的第一样本结果获得预测目标结果，包括：
经增强网络基于所述第二样本结果获得增强操作，基于所述增强操作对所述第一样本结果进行调整，得到第二中间样本结果；
基于所述第二中间样本结果通过所述第二网络得到中间预测结果，将所述中间预测结果输入所述增强网络；
响应于达到预设条件，输出所述中间预测结果作为所述预测目标结果。
可选地，所述基于所述预测目标结果和所述样本目标结果调整所述增强网络的参数，包括：
基于所述中间预测结果和样本目标结果确定第一损失；
基于至少一个所述第一损失调整所述增强网络的参数。
可选地，所述基于至少一个所述第一损失调整所述增强网络的参数，包括：
按照获得至少一个所述第一损失的顺序，按序基于每个所述第一损失调整所述增强网络的参数。
可选地，所述基于所述中间预测结果和样本目标结果确定第一损失，包括：
基于所述中间预测结果和样本目标结果确定当前中间奖励；
基于所述中间预测结果经得分网络确定当前预测奖励；所述得分网络与所述增强网络共享部分网络结构；
基于所述中间预测结果经所述增强网络和所述第二网络确定下一个中间预测结果；基于所述下一个中间预测结果经所述得分网络确定下一个预测奖励；
基于所述当前中间奖励、所述当前预测奖励和所述下一个预测奖励确定所述第一损失。
可选地，所述基于所述当前中间奖励、所述当前预测奖励和所述下一个预测奖励确定所述第一损失，包括：
基于所述当前中间奖励加所述下一个预测奖励，减去所述当前预测奖励，得所述第一损失。
可选地，所述基于所述预测目标结果和所述样本目标结果调整所述第二网络的参数，包括：
基于所述预测目标结果和所述样本目标结果确定第二损失，基于所述第二损失调整所述第二网络的参数。
根据本公开实施例的另一个方面，提供的一种系统增强学习装置，包括：
第一网络模块，用于对输入图像进行处理，得到第一结果；
第二网络模块，用于对所述第一结果进行处理，得到第二结果；
增强网络模块，用于基于所述第二结果获得增强操作；
执行器，用于基于所述增强操作对所述第一结果进行调整，基于调整后的第一结果获得目标结果。
可选地，所述增强网络模块，包括：
调整模块，用于基于所述第二网络模块输出的第二结果对所述第一结果进行调整，得到第一中间结果；
结果输出模块，与将所述第一中间结果输入所述第二网络模块，基于所述第一中间结果得到第二结果，将所述第二结果输入所述调整模块，响应于达到预设条件，输出所述第二结果作为所述目标结果。
可选地，所述调整模块，具体用于基于所述第二结果经增强网络模块获得调整动作概率，基于所述调整动作概率确定至少一个调整动作；基于所述至少一个调整动作对所述第一结果进行调整，得到第一中间结果。
可选地，所述增强网络模块，用于基于所述第二结果和所述第一结果，获得调整动作概率，基于所述调整动作概率确定至少一个调整动作；
所述执行器，用于基于所述至少一个调整动作对所述第一结果进行调整，得到第一中间结果。
可选地，所述增强网络模块，具体用于基于所述第二结果和所述第一结果得到连接结果；基于所述连接结果经增强网络获得调整动作概率，基于所述调整动作概率确定至少一个调整动作。
可选地，还包括：训练模块，用于基于样本图像训练所述包括第一网络、第二网络和增强网络的系统，所述样本图像已知样本目标结果。
可选地，所述第一网络包括以下一个或多个网络：
检测神经网络、识别神经网络、分类神经网络；
所述第二网络包括以下一个或多个网络：
检测神经网络、识别神经网络、分类神经网络。
可选地，所述训练模块，用于将样本图像输入所述第一网络模块、所述第二网络模块、所述增强网络模块和所述执行器，获得预测目标结果；基于所述预测目标结果和所述样本目标结果分别调整所述第二网络和所述增强网络的参数。
可选地，所述增强模块，用于基于所述第二网络模块得到的第二样本结果获得增强操作；
所述执行器，用于基于所述增强操作对所述第一网络模块得到的第一样本结果进行调整，得到第二中间样本结果；
所述第二网络模块，用于基于所述第二中间样本结果得到中间预测结果，将中间预测结果输入增强模块，响应于达到预设条件，输出所述中间预测结果作为所述预测目标结果。
可选地，所述训练模块，包括：
第一损失模块，用于基于所述中间预测结果和样本目标结果确定第一损失；
第一参数调整模块，用于基于至少一个所述第一损失调整所述增强网络的参数。
可选地，所述第一参数调整模块，具体用于按照获得至少一个所述第一损失的顺序，按序基于每个所述第一损失调整所述增强网络的参数。
可选地，所述第一损失模块，包括：
奖励确定模块，用于基于所述中间预测结果和样本目标结果确定当前中间奖励；基于所述中间预测结果经得分网络确定当前预测奖励；所述得分网络与所述增强网络共享部分网络结构；基于所述中间预测结果经所述增强网络和所述第二网络确定下一个中间预测结果；基于所述下一个中间预测结果经所述得分网络确定下一个预测奖励；
损失确定模块，用于基于所述当前中间奖励、所述当前预测奖励和所述下一个预测奖励确定所述第一损失。
可选地，所述损失确定模块，具体用于基于所述当前中间奖励加所述下一个预测奖励，减去所述当前预测奖励，得所述第一损失。
可选地，所述第二网络调整模块，具体用于基于所述预测目标结果和所述样本目标结果确定第二损失，基于所述第二损失调整所述第二网络的参数。
根据本公开实施例的另一个方面，提供的一种电子设备，包括：存储器，用于存储可执行指令；
以及处理器，用于与所述存储器通信以执行所述可执行指令从而完成如上任意一项所述系统增强学习方法的操作。
根据本公开实施例的另一个方面，提供的一种计算机存储介质，用于存储计算机可读取的指令，所述指令被执行时执行如上任意一项所述系统增强学习方法的操作。
根据本公开实施例的另一个方面，提供的一种计算机程序产品，包括计算机可读代码，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现如上任意一项所述系统增强学习方法的指令。
基于本公开上述实施例提供的一种系统增强学习方法和装置、电子设备、计算机存储介质，基于系统的第一网络对输入图像进行处理，得到第一结果；将第一结果输入系统的第二网络，得到第二结果；基于第二结果获得增强操作，基于增强操作对第一结果进行调整，获得目标结果，通过增强网络实现信息从下游层级反馈回上游层级，优化了系统的输出结果。
下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同描述一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
图1为本公开实施例提供的系统增强学习方法的流程图。
图2为本发明系统增强学习方法的一个流程示例图。
图3为本发明系统增强学习方法的一个训练示例图。
图4为本公开实施例提供的系统增强学习装置的结构示意图。
图5为适于用来实现本公开实施例的终端设备或服务器的电子设备的结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
多层级系统在不同层级的连接上经常是不可微的，这样整个系统就无法联合优化，无法达到最好的效果。其中，不可微指无法求梯度。例如：涉及到包围框的系统，在进行裁剪包围框内的图片的操作时，无法计算这个操作对包围框坐标的梯度。
图1为本公开实施例提供的系统增强学习方法的流程图。如图1所示，该实施例方法包括：
步骤110，基于系统的第一网络对输入图像进行处理，得到第一结果。
可选地，系统的第一网络可以是实现一个具体功能的神经网络，或神经网络的部分网络层，还可以包括多个神经网络，通常第一网络与第二网络存在关联关系，例如：第一网络是人脸检测网络，第二网络是人脸识别网络，此时第二网络以第一网络输出的检测结果作为输入，第二网络以第一网络为基础得到识别结果；通常情况下，第一网络与第二网络的关联只有前向传播的检测结果，不同层级之间的输出具有强相关性，错误的检测结果将导致错误的识别结果。
可选地，第一网络包括以下一个或多个网络：检测神经网络、识别神经网络、分类神经网络；
第二网络包括以下一个或多个网络：检测神经网络、识别神经网络、分类神经网络。
步骤120，将第一结果输入系统的第二网络，得到第二结果。
步骤130，经增强网络基于第二结果获得增强操作，基于增强操作对第一结果进行调整，基于调整后的第一结果获得目标结果。
为了得到更好的第二结果，可选地，在系统中添加增强网络，该增强网络以第二网络输出的第二结果为输入，以输出的增强操作对第一结果进行调整，实现下游层级对上游层级的信息反馈，经过信息反馈获得目标结果。
基于本公开上述实施例提供的一种系统增强学习方法，基于系统的第一网络对输入图像进行处理，得到第一结果；将第一结果输入系统的第二网络，得到第二结果；经增强网络基于第二结果获得增强操作，基于增强操作对第一结果进行调整，获得目标结果，通过增强网络实现信息从下游层级反馈回上游层级，优化了系统的输出结果。
在一个或多个可选的实施例中，操作130可以包括：
经增强网络基于第二网络输出的第二结果获得增强操作，基于增强操作对第一结果进行调整，得到第一中间结果；
将第一中间结果输入第二网络，基于第一中间结果得到第二结果，将第二结果输入增强网络；
迭代执行上述过程，响应于达到预设条件，输出第二结果作为目标结果。
其中，预设条件可以包括迭代调整次数达到预设次数。
可选地，每次增强网络基于第二结果获得一个对第一结果的调整动作，而一个调整动作调整后得到的第一中间结果不能获得最好的目标结果，因此，通过迭代执行，每次以上次调整后的第一中间结果获得的第二结果为增强网络的输入，得到新的调整动作，直到达到预设次数；还可以根据得到的第二结果的效果结束迭代。
可选地，增强操作可以包括至少一个调整动作，
经增强网络基于第二网络输出的第二结果获得增强操作，基于增强操作对第一结果进行调整，得到第一中间结果，包括：
基于第二结果经增强网络获得调整动作概率，基于调整动作概率确定至少一个调整动作；
基于至少一个调整动作对第一结果进行调整，得到第一中间结果。
可选地，增强网络可以是一个分类神经网络，基于第二结果从多个调整动作中确定一个概率最大的调整动作，对第一结果进行调整。可选地，在一个具体示例中，系统输入的为RGB图像，需要输出的目标结果是图像识别结果(如：语义分割或者人体姿态检测)，系统处理过程可以包括：
a.利用第一网络，对输入的RGB图像进行处理，得到第一结果Ω；Ω是一个抽象的参数，对于不同的识别任务，Ω可以不同。为方便起见，以下讨论均以多层级多人姿态预测系统为例，第一个阶段的网络是一个物体检测网络，输出的Ω即为物体的包围框坐标。
b.以第一结果Ω作为第二网络的输入或根据第一结果Ω计算出第二网络的输入，经过第二网络输出第二结果；通常来讲，第二网络的输入与第一网络的输出相关。若Ω为包围框的坐标，则第二网络的输入即为原图片在包围框内的部分。第二网络的输出则是物体识别的结果，如：人体的各个关键点在图中分布的热力图。
c.增强网络(例如：增强网络采用一个分类网络，一个18层的残差网络(ResNet-18))根据第二网络的输出，选择一个动作调整第一结果Ω，并返回到b步骤，直到达到最大迭代次数，其最大迭代次数根据需要具体设置(例如：设置最大迭代次数为20次)。增强网络以第二网络的输出作为输入，产生一个关于选择哪个动作的概率分布，并选出概率最大的那个作为决策的结果；其中多个动作可以包括：以第一网络的输出为包围框为例，动作集为一系列可以调整包围框的动作，包括：放大或缩小包围框的高度和/或宽度，上下左右平移，以及一个不调整的动作等多个动作。基于执行器根据所选的动作调整第一结果Ω，执行器是一种通用的说法，因为增强网络确定的只是一个动作的编号(分类网络的分类结果)，需要一个功能将这个编号转化为具体的动作(如调整包围框的具体动作)。可以通过一个函数来直接实现，通常将这个实现的函数称为执行器。
为了防止第二网络输出的结果偏差过大，需要将第一网络输出的第一结果作为增强网络的参考输入，可选地，经增强网络基于第二网络输出的第二结果对所述第一结果进行调整，得到第一中间结果，包括：
基于第二结果和第一结果，经增强网络获得调整动作概率，基于调整动作概率确定至少一个调整动作；
具体地，可以基于第二结果和第一结果得到连接结果，基于连接结果经增强网络获得调整动作概率，或者，当第一结果和第二结果都是图像时，基于图像通道级联第一结果和第二结果，基于级联后的第一结果和第二结果获得调整动作概率，本申请实施例不限制第一结果和第二结果之间具体的关联方法，只要在获得调整动作概率时参考第一结果即可。
基于至少一个调整动作对第一结果进行调整，得到第一中间结果。
在一个或多个可选的实施例中，还包括：基于样本图像训练系统，样本图像已知样本目标结果。
为了实现更好的增强学习效果，需要每次对第一结果调整的调整动作是准确的，因此，在增强学习之前，还可以基于已知样本目标结果的样本图像对系统中的各个网络进行训练；可选地，仅对第二网络和增强网络进行训练，增强网络经过训练可以得到更准确的调整动作，而第二网络经过训练可以得到更好的目标结果。
可选地，基于样本图像训练系统，包括：
基于系统的第一网络对样本图像进行处理，得到第一样本结果；
将第一样本结果输入系统的第二网络，得到第二样本结果；
经增强网络基于第二样本结果获得增强操作，基于增强操作对第一样本结果进行调整，基于调整后的第一样本结果获得预测目标结果；
基于预测目标结果和样本目标结果分别调整第二网络和增强网络的参数。
作为一个可选示例，图2为本发明系统增强学习方法的一个流程示例图。如图2所示，第二网络与增强网络以相互的结果互为输入，因此，训练过程中，需要第二网络和增强网络共同训练；训练过程中需要系统中的各网络与预测过程一样，对样本图像进行处理，得到预测目标结果，基于预测目标结果和样本目标结果调整第二网络和增强网络的参数。具体地，经增强网络基于第二样本结果获得增强操作，基于增强操作对第一样本结果进行调整，基于调整后的第一样本结果获得预测目标结果，包括：经增强网络基于第二样本结果获得增强操作，基于增强操作对第一样本结果进行调整，得到第二中间样本结果；
基于第二中间样本结果通过第二网络得到中间预测结果，将中间预测结果输入增强网络；
迭代执行上述过程，响应于达到预设条件，输出中间预测结果作为预测目标结果。
可选地，预设条件可以是迭代次数达到预设次数。
本实施例中，将增强网络和第二网络平等处理，分别以最后输出的预测目标结果和样本目标结果对增强网络和第二网络的参数进行调整。但是，由于增强学习(增强网络)要求的数据量远远大于监督学习，并且增强学习的梯度方差也远比监督学习(第二网络)的梯度方差大，因此如果直接把增强网络和第二网络放在一起联合训练的话，会导致监督学习的网络受到极大的影响，降低准确率。为了解决这个问题，本实施例提出了平衡增强学习和监督学习不同训练要求的方法。
可选地，基于预测目标结果和样本目标结果调整增强网络的参数，包括：
基于中间预测结果和样本目标结果确定第一损失；
基于至少一个第一损失调整增强网络的参数。
具体地，在训练过程中，对每一个输入，增强网络会不断调整第一结果，每次调整对应一个动作，迭代完成后，得到一个动作序列。每调整一次第一样本结果，第二网络就会产生一个新的对应的预测中间样本结果(如热力图)。对于增强网络，本实施例通过整个动作序列的预测中间样本结果去训练它，而对于第二网络的有监督学习，可选只选择用最终的预测目标结果去训练它。这样可以平衡监督学习和增强学习不同的训练要求。
可选地，基于至少一个第一损失调整增强网络的参数，包括：
按照获得至少一个第一损失的顺序，按序基于每个第一损失调整增强网络的参数。
基于每次得到的中间预测结果与样本目标结果可确定一个损失，每次得到一个损失，就基于该损失调整增强网络的参数。
可选地，基于中间预测结果和样本目标结果确定第一损失，包括：
基于中间预测结果和样本目标结果确定当前中间奖励；
基于中间预测结果经得分网络确定当前预测奖励；
其中，得分网络与增强网络共享部分网络结构；可选地，得分网络与增强网络只有最后一层不同，增强网络最后一层为全连接层，得到一维特征向量，基于该一维特征向量确定选择动作的概率；得分网络最后一层为全连接层，得到一个特征值，该特征值即为得分。
基于中间预测结果经增强网络和第二网络确定下一个中间预测结果；基于下一个中间预测结果经得分网络确定下一个预测奖励；
基于当前中间奖励、当前预测奖励和下一个预测奖励确定第一损失。
基于每个中间预测结果得到一个对应的第一损失，即可获得至少一个第一损失。
本实施例中，图3为本发明系统增强学习方法的一个训练示例图。如图3所示，增加一个得分网络，增强网络和得分网络构成的增强学习代理模型采用了执行者-评分者(增强网络结合得分网络，Actor Critic)的算法，使用了时序不同的学习方法(例如：TD-Learning)；其中，Actor Critic方法：结合了政策渐变Policy Gradient(Actor)和函数逼近Function Approximation(Critic)的方法，Actor实现增强网络基于概率确定动作，Critic基于Actor的行为评判基于概率确定动作的得分，Actor根据Critic的评分修改确定动作的概率，Actor Critic方法的优势在于，可以进行单步更新，比传统的方法更快(回合结束更新)。TD-learning这个算法也是假设大家已知的算法。增强学习的反向传播(back-propagation)算法大概有两种思路，一种是一次性把整个序列都执行完，然后算出整个序列的奖励(reward)，再一步步往回优化，执行反向传播(back-propagation)算法。另一种是，每次只执行一次动作，然后就马上优化一次。这个就是TD-learning算法的思想。TD-learning算法的好处在于，网络收敛得会更快，能把训练时间缩短而不会对性能造成很大影响。
可选地，基于当前中间奖励、当前预测奖励和下一个预测奖励确定第一损失，包括：
基于当前中间奖励加下一个预测奖励，减去当前预测奖励，得第一损失。
通过当前预测奖励和下一个预测奖励的加入，可减小损失函数的方差，让训练变得更加稳定。
可选地，基于预测目标结果和样本目标结果调整第二网络的参数，包括：
基于预测目标结果和样本目标结果确定第二损失，基于第二损失调整第二网络的参数。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图4为本公开实施例提供的系统增强学习装置的结构示意图。该实施例的装置可用于实现本公开上述各方法实施例。如图4所示，该实施例的装置包括：
第一网络模块41，用于对输入图像进行处理，得到第一结果.
第二网络模块42，用于对第一结果进行处理，得到第二结果。
增强网络模块43，用于基于第二结果获得增强动作；
执行器44，用于基于增强操作对第一结果进行调整，基于调整后的第一结果获得目标结果。
基于本公开上述实施例提供的一种系统增强学习装置，基于系统的第一网络对输入图像进行处理，得到第一结果；将第一结果输入系统的第二网络，得到第二结果；经增强网络基于第二结果获得增强操作，基于增强操作对第一结果进行调整，获得目标结果，通过增强网络实现信息从下游层级反馈回上游层级，优化了系统的输出结果。
在一个或多个可选的实施例中，增强网络模块43，包括：
调整模块，用于基于第二网络模块输出的第二结果对第一结果进行调整，得到第一中间结果；
结果输出模块，与将第一中间结果输入第二网络模块，基于第一中间结果得到第二结果，将第二结果输入调整模块；响应于达到预设条件，输出第二结果作为目标结果。
可选地，预设条件可以包括调整次数达到预设次数。
可选地，每次增强网络基于第二结果获得一个对第一结果的调整动作，而一个调整动作调整后得到的第一中间结果不能获得最好的目标结果，因此，通过迭代执行，每次以上次调整后的第一中间结果获得的第二结果为增强网络的输入，得到新的调整动作，直到达到预设次数；还可以根据得到的第二结果的效果结束迭代。
可选地，调整模块，具体用于基于第二结果经增强网络模块获得调整动作概率，基于调整动作概率确定至少一个调整动作；基于至少一个调整动作对第一结果进行调整，得到第一中间结果。
可选地，所述增强网络模块，用于基于第二结果和第一结果，获得调整动作概率，基于调整动作概率确定至少一个调整动作；
上述执行器，用于基于至少一个调整动作对第一结果进行调整，得到第一中间结果。
可选地，增强网络模块，具体用于基于第二结果和第一结果得到连接结果；
基于连接结果经增强网络获得调整动作概率，基于调整动作概率确定至少一个调整动作。
在一个或多个可选的实施例中，还包括：训练模块，用于基于样本图像训练包括第一网络、第二网络和增强网络的系统。
其中，样本图像已知样本目标结果。
为了实现更好的增强学习效果，需要每次对第一结果调整的调整动作是准确的，因此，在增强学习之前，还可以基于已知样本目标结果的样本图像对系统中的各个网络进行训练；可选地，仅对第二网络和增强网络进行训练，增强网络经过训练可以得到更准确的调整动作，而第二网络经过训练可以得到更好的目标结果。
可选地，第一网络包括以下一个或多个网络：检测神经网络、识别神经网络、分类神经网络；
第二网络包括以下一个或多个网络：检测神经网络、识别神经网络、分类神经网络。
可选地，训练模块，用于将样本图像输入第一网络模块、第二网络模块、增强网络模块和执行器，获得预测目标结果；基于预测目标结果和样本目标结果分别调整第二网络和增强网络的参数。
可选地，增强模块，用于基于第二网络模块得到的第二样本结果获得增强操作；
执行器，用于基于增强操作对第一网络模块得到的第一样本结果进行调整，得到第二中间样本结果；
第二网络模块，用于基于第二中间样本结果得到中间预测结果，将中间预测结果输入增强模块，响应于达到预设条件，输出中间预测结果作为预测目标结果。
可选地，训练模块，包括：
第一损失模块，用于基于中间预测结果和样本目标结果确定第一损失；
第一参数调整模块，用于基于至少一个第一损失调整增强网络的参数。
可选地，第一参数调整模块，具体用于按照获得至少一个第一损失的顺序，按序基于每个第一损失调整增强网络的参数。
可选地，第一损失模块，包括：
奖励确定模块，用于基于中间预测结果和样本目标结果确定当前中间奖励；基于中间预测结果经得分网络确定当前预测奖励；得分网络与增强网络共享部分网络结构；基于中间预测结果经增强网络和第二网络确定下一个中间预测结果；基于下一个中间预测结果经得分网络确定下一个预测奖励；
损失确定模块，用于基于当前中间奖励、当前预测奖励和下一个预测奖励确定第一损失。
可选地，损失确定模块，具体用于基于当前中间奖励加下一个预测奖励，减去当前预测奖励，得第一损失。
可选地，第二网络调整模块，具体用于基于预测目标结果和样本目标结果确定第二损失，基于第二损失调整第二网络的参数。
根据本公开实施例的另一个方面，提供的一种电子设备，包括：存储器，用于存储可执行指令；
以及处理器，用于与存储器通信以执行可执行指令从而完成本公开上述任一实施例中所述的系统增强学习方法。
根据本公开实施例的另一个方面，提供的一种计算机存储介质，用于存储计算机可读取的指令，指令被处理器执行时，该处理器执行本公开上述任一实施例中所述的系统增强学习方法。
根据本公开实施例的另一个方面，提供的一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行本公开上述任一实施例中所述的系统增强学习方法的操作。
根据本公开实施例的再一个方面，提供的另一种计算机程序产品，用于存储计算机可读指令，所述指令被执行时使得计算机执行上述任一可能的实现方式中所述的系统增强学习方法的操作。
在一个或多个可选实施方式中，本公开实施例还提供了一种计算机程序程序产品，用于存储计算机可读指令，所述指令被执行时使得计算机执行上述任一实施例中所述的系统增强学习方法的操作。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选例子中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选例子中，所述计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
根据本公开实施例还提供了另一种系统增强学习方法及其对应的装置和电子设备、计算机存储介质以及计算机程序产品，其中，该方法包括：基于系统的第一网络对输入图像进行处理，得到第一结果；将第一结果输入系统的第二网络，得到第二结果；经增强网络基于第二结果对第一结果进行调整，获得目标结果。
在一些实施例中，该目标跟踪指示可以具体为调用指令，第一装置可以通过调用的方式指示第二装置执行目标跟踪，相应地，响应于接收到调用指令，第二装置可以执行上述目标跟踪方法中的任意实施例中的步骤和/或流程。
应理解，本公开实施例中的“第一”、“第二”等术语仅仅是为了区分，而不应理解成对本公开实施例的限定。
还应理解，在本公开中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
还应理解，对于本公开中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
本公开实施例还提供了一种电子设备，例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图5，其示出了适于用来实现本申请实施例的终端设备或服务器的电子设备500的结构示意图：如图5所示，电子设备500包括一个或多个处理器、通信部等，所述一个或多个处理器例如：一个或多个中央处理单元(CPU)501，和/或一个或多个图像处理器(GPU)513等，处理器可以根据存储在只读存储器(ROM)502中的可执行指令或者从存储部分508加载到随机访问存储器(RAM)503中的可执行指令而执行各种适当的动作和处理。通信部512可包括但不限于网卡，所述网卡可包括但不限于IB(Infiniband)网卡。
处理器可与只读存储器502和/或随机访问存储器503中通信以执行可执行指令，通过总线504与通信部512相连、并经通信部512与其他目标设备通信，从而完成本申请实施例提供的任一项方法对应的操作，例如，基于系统的第一网络对输入图像进行处理，得到第一结果；将第一结果输入系统的第二网络，得到第二结果；经增强网络基于第二结果获得增强操作，基于增强操作对第一结果进行调整，获得目标结果。
此外，在RAM 503中，还可存储有装置操作所需的各种程序和数据。CPU501、ROM502以及RAM503通过总线504彼此相连。在有RAM503的情况下，ROM502为可选模块。RAM503存储可执行指令，或在运行时向ROM502中写入可执行指令，可执行指令使中央处理单元501执行上述通信方法对应的操作。输入/输出(I/O)接口505也连接至总线504。通信部512可以集成设置，也可以设置为具有多个子模块(例如多个IB网卡)，并在总线链接上。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
需要说明的，如图5所示的架构仅为一种可选实现方式，在具体实践过程中，可根据实际需要对上述图5的部件数量和类型进行选择、删减、增加或替换；在不同功能部件设置上，也可采用分离设置或集成设置等实现方式，例如GPU513和CPU501可分离设置或者可将GPU513集成在CPU501上，通信部可分离设置，也可集成设置在CPU501或GPU513上，等等。这些可替换的实施方式均落入本公开公开的保护范围。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，计算机程序包含用于执行流程图所示的方法的程序代码，程序代码可包括对应执行本申请实施例提供的方法步骤对应的指令，例如，基于系统的第一网络对输入图像进行处理，得到第一结果；将第一结果输入系统的第二网络，得到第二结果；经增强网络基于第二结果获得增强操作，基于增强操作对第一结果进行调整，获得目标结果。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本申请的方法中限定的上述功能的操作。
可能以许多方式来实现本公开的方法和装置、设备。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
本公开的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用，并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。

Claims (10)

1.一种系统增强学习方法，其特征在于，包括：
基于系统的第一网络对输入图像进行处理，得到第一结果；
将所述第一结果输入所述系统的第二网络，得到第二结果；
经增强网络基于所述第二结果获得增强操作，基于所述增强操作对所述第一结果进行调整，基于调整后的第一结果获得目标结果。
2.根据权利要求1所述的方法，其特征在于，所述经增强网络基于所述第二结果获得增强操作，基于所述增强操作对所述第一结果进行调整，基于所述调整后的第一结果获得目标结果，包括：
经所述增强网络基于所述第二网络输出的所述第二结果获得增强操作，基于所述增强操作对所述第一结果进行调整，得到第一中间结果；
将所述第一中间结果输入所述第二网络，基于所述第一中间结果得到第二结果，将所述第二结果输入所述增强网络；
响应于达到预设条件，输出所述第二结果作为所述目标结果。
3.根据权利要求2所述的方法，其特征在于，所述增强操作包括至少一个调整动作；
所述经增强网络基于所述第二网络输出的第二结果获得增强操作，基于所述增强操作对所述第一结果进行调整，得到第一中间结果，包括：
基于所述第二结果经增强网络获得调整动作概率，基于所述调整动作概率确定至少一个调整动作；
基于所述至少一个调整动作对所述第一结果进行调整，得到第一中间结果。
4.根据权利要求2所述的方法，其特征在于，所述经增强网络基于所述第二网络输出的第二结果对所述第一结果进行调整，得到第一中间结果，包括：
基于所述第二结果和所述第一结果，经增强网络获得调整动作概率，基于所述调整动作概率确定至少一个调整动作；
基于所述至少一个调整动作对所述第一结果进行调整，得到第一中间结果。
5.根据权利要求4所述的方法，其特征在于，所述基于所述第二结果和所述第一结果，经增强网络获得调整动作概率，基于所述调整动作概率确定至少一个调整动作，包括：
基于所述第二结果和所述第一结果得到连接结果；
基于所述连接结果经增强网络获得调整动作概率，基于所述调整动作概率确定至少一个调整动作。
6.根据权利要求1-5任一所述的方法，其特征在于，所述第一网络包括以下一个或多个网络：
检测神经网络、识别神经网络、分类神经网络；
所述第二网络包括以下一个或多个网络：
检测神经网络、识别神经网络、分类神经网络。
7.根据权利要求1-6任一所述的方法，其特征在于，还包括：基于样本图像训练所述系统，所述样本图像已知样本目标结果。
8.一种系统增强学习装置，其特征在于，包括：
第一网络模块，用于对输入图像进行处理，得到第一结果；
第二网络模块，用于对所述第一结果进行处理，得到第二结果；
增强网络模块，用于基于所述第二结果获得增强操作；
执行器，用于基于所述增强操作对所述第一结果进行调整，基于调整后的第一结果获得目标结果。
9.一种电子设备，其特征在于，包括：存储器，用于存储可执行指令；
以及处理器，用于与所述存储器通信以执行所述可执行指令从而完成权利要求1至7任意一项所述系统增强学习方法的操作。
10.一种计算机存储介质，用于存储计算机可读取的指令，其特征在于，所述指令被执行时执行权利要求1至7任意一项所述系统增强学习方法的操作。
CN201810428099.3A 2018-05-07 2018-05-07 系统增强学习方法和装置、电子设备、计算机存储介质 Active CN108776834B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201810428099.3A CN108776834B (zh) 2018-05-07 2018-05-07 系统增强学习方法和装置、电子设备、计算机存储介质
JP2020535040A JP6896176B2 (ja) 2018-05-07 2019-03-18 システム強化学習方法及び装置、電子機器、コンピュータ記憶媒体並びにコンピュータプログラム
PCT/CN2019/078520 WO2019214344A1 (zh) 2018-05-07 2019-03-18 系统增强学习方法和装置、电子设备、计算机存储介质
KR1020207026754A KR102420715B1 (ko) 2018-05-07 2019-03-18 시스템 강화 학습 방법 및 장치, 전자 기기, 컴퓨터 저장 매체
SG11202006017SA SG11202006017SA (en) 2018-05-07 2019-03-18 System reinforcement learning method and apparatus, electronic device, and computer storage medium
US16/904,915 US11669711B2 (en) 2018-05-07 2020-06-18 System reinforcement learning method and apparatus, and computer storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810428099.3A CN108776834B (zh) 2018-05-07 2018-05-07 系统增强学习方法和装置、电子设备、计算机存储介质

Publications (2)

Publication Number Publication Date
CN108776834A true CN108776834A (zh) 2018-11-09
CN108776834B CN108776834B (zh) 2021-08-06

Family

ID=64026991

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810428099.3A Active CN108776834B (zh) 2018-05-07 2018-05-07 系统增强学习方法和装置、电子设备、计算机存储介质

Country Status (6)

Country Link
US (1) US11669711B2 (zh)
JP (1) JP6896176B2 (zh)
KR (1) KR102420715B1 (zh)
CN (1) CN108776834B (zh)
SG (1) SG11202006017SA (zh)
WO (1) WO2019214344A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110211122A (zh) * 2019-06-12 2019-09-06 京东方科技集团股份有限公司 一种检测图像处理方法及装置
WO2019214344A1 (zh) * 2018-05-07 2019-11-14 上海商汤智能科技有限公司 系统增强学习方法和装置、电子设备、计算机存储介质
CN110472029A (zh) * 2019-08-01 2019-11-19 腾讯科技（深圳）有限公司 一种数据处理方法、装置以及计算机可读存储介质
CN110610534A (zh) * 2019-09-19 2019-12-24 电子科技大学 基于Actor-Critic算法的口型动画自动生成方法
CN111488806A (zh) * 2020-03-25 2020-08-04 天津大学 一种基于并行分支神经网络的多尺度人脸识别方法
CN111766782A (zh) * 2020-06-28 2020-10-13 浙江大学 基于深度强化学习中Actor-Critic框架的策略选择方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220253724A1 (en) * 2021-02-10 2022-08-11 Ford Global Technologies, Llc Variance of gradient based active learning framework for training perception algorithms
JP7507712B2 (ja) 2021-03-18 2024-06-28 株式会社日本製鋼所 強化学習方法、コンピュータプログラム、強化学習装置及び成形機
CN114494081B (zh) * 2022-04-01 2022-07-05 武汉大学 一种无人机遥感测绘图像增强方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150333969A1 (en) * 2014-05-13 2015-11-19 Cisco Technology, Inc. Predictive networking architecture for next-generation multiservice, multicarrier wans
CN105279555A (zh) * 2015-10-28 2016-01-27 清华大学 一种基于进化算法的自适应学习神经网络实现方法
CN106651774A (zh) * 2016-12-27 2017-05-10 深圳市捷顺科技实业股份有限公司 一种车牌超分辨率模型重建方法及装置
CN106709565A (zh) * 2016-11-16 2017-05-24 广州视源电子科技股份有限公司 一种神经网络的优化方法及装置
CN106934346A (zh) * 2017-01-24 2017-07-07 北京大学 一种目标检测性能优化的方法
CN106941602A (zh) * 2017-03-07 2017-07-11 中国铁道科学研究院 机车司机行为识别方法、装置及系统
CN107301383A (zh) * 2017-06-07 2017-10-27 华南理工大学 一种基于Fast R‑CNN的路面交通标志识别方法
CN107704857A (zh) * 2017-09-25 2018-02-16 北京邮电大学 一种端到端的轻量级车牌识别方法及装置
CN108154222A (zh) * 2016-12-02 2018-06-12 北京市商汤科技开发有限公司 深度神经网络训练方法和系统、电子设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7001243B1 (en) * 2003-06-27 2006-02-21 Lam Research Corporation Neural network control of chemical mechanical planarization
JP2008542859A (ja) 2005-05-07 2008-11-27 エル ターラー、ステフエン 有用な情報を自律的にブートストラッピングする装置
CN103020602B (zh) * 2012-10-12 2015-10-14 北京建筑工程学院 基于神经网络的人脸识别方法
JP6072103B2 (ja) * 2015-02-04 2017-02-01 エヌ・ティ・ティ・コムウェア株式会社 学習装置、学習方法、およびプログラム
TWI699816B (zh) * 2017-12-26 2020-07-21 雲象科技股份有限公司 自動化顯微鏡系統之控制方法、顯微鏡系統及電腦可讀取記錄媒體
CN108073910B (zh) * 2017-12-29 2021-05-07 百度在线网络技术（北京）有限公司 用于生成人脸特征的方法和装置
CN108776834B (zh) * 2018-05-07 2021-08-06 上海商汤智能科技有限公司 系统增强学习方法和装置、电子设备、计算机存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150333969A1 (en) * 2014-05-13 2015-11-19 Cisco Technology, Inc. Predictive networking architecture for next-generation multiservice, multicarrier wans
CN105279555A (zh) * 2015-10-28 2016-01-27 清华大学 一种基于进化算法的自适应学习神经网络实现方法
CN106709565A (zh) * 2016-11-16 2017-05-24 广州视源电子科技股份有限公司 一种神经网络的优化方法及装置
CN108154222A (zh) * 2016-12-02 2018-06-12 北京市商汤科技开发有限公司 深度神经网络训练方法和系统、电子设备
CN106651774A (zh) * 2016-12-27 2017-05-10 深圳市捷顺科技实业股份有限公司 一种车牌超分辨率模型重建方法及装置
CN106934346A (zh) * 2017-01-24 2017-07-07 北京大学 一种目标检测性能优化的方法
CN106941602A (zh) * 2017-03-07 2017-07-11 中国铁道科学研究院 机车司机行为识别方法、装置及系统
CN107301383A (zh) * 2017-06-07 2017-10-27 华南理工大学 一种基于Fast R‑CNN的路面交通标志识别方法
CN107704857A (zh) * 2017-09-25 2018-02-16 北京邮电大学 一种端到端的轻量级车牌识别方法及装置

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019214344A1 (zh) * 2018-05-07 2019-11-14 上海商汤智能科技有限公司 系统增强学习方法和装置、电子设备、计算机存储介质
US11669711B2 (en) 2018-05-07 2023-06-06 Shanghai Sensetime Intelligent Technology Co., Ltd System reinforcement learning method and apparatus, and computer storage medium
CN110211122A (zh) * 2019-06-12 2019-09-06 京东方科技集团股份有限公司 一种检测图像处理方法及装置
CN110472029A (zh) * 2019-08-01 2019-11-19 腾讯科技（深圳）有限公司 一种数据处理方法、装置以及计算机可读存储介质
CN110472029B (zh) * 2019-08-01 2024-03-19 腾讯科技（深圳）有限公司 一种数据处理方法、装置以及计算机可读存储介质
CN110610534A (zh) * 2019-09-19 2019-12-24 电子科技大学 基于Actor-Critic算法的口型动画自动生成方法
CN110610534B (zh) * 2019-09-19 2023-04-07 电子科技大学 基于Actor-Critic算法的口型动画自动生成方法
CN111488806A (zh) * 2020-03-25 2020-08-04 天津大学 一种基于并行分支神经网络的多尺度人脸识别方法
CN111766782A (zh) * 2020-06-28 2020-10-13 浙江大学 基于深度强化学习中Actor-Critic框架的策略选择方法

Also Published As

Publication number Publication date
KR102420715B1 (ko) 2022-07-14
JP2021507421A (ja) 2021-02-22
KR20200119873A (ko) 2020-10-20
CN108776834B (zh) 2021-08-06
JP6896176B2 (ja) 2021-06-30
SG11202006017SA (en) 2020-07-29
WO2019214344A1 (zh) 2019-11-14
US11669711B2 (en) 2023-06-06
US20200349431A1 (en) 2020-11-05

Similar Documents

Publication Publication Date Title
CN108776834A (zh) 系统增强学习方法和装置、电子设备、计算机存储介质
CN108197532B (zh) 人脸识别的方法、装置及计算机装置
CN110084216B (zh) 人脸识别模型训练和人脸识别方法、系统、设备及介质
WO2020073951A1 (zh) 用于图像识别的模型的训练方法、装置、网络设备和存储介质
US11062199B2 (en) Fraudulent transaction detection method based on sequence wide and deep learning
CN113657465A (zh) 预训练模型的生成方法、装置、电子设备和存储介质
CN107220217A (zh) 基于逻辑回归的特征系数训练方法和装置
CN109902546A (zh) 人脸识别方法、装置及计算机可读介质
CN109446430A (zh) 产品推荐的方法、装置、计算机设备及可读存储介质
CN110084221A (zh) 一种基于深度学习的带中继监督的序列化人脸关键点检测方法
CN109784293A (zh) 多类目标对象检测方法、装置、电子设备、存储介质
CN110209859A (zh) 地点识别及其模型训练的方法和装置以及电子设备
CN111259738A (zh) 人脸识别模型构建方法、人脸识别方法及相关装置
Azzouz et al. Steady state IBEA assisted by MLP neural networks for expensive multi-objective optimization problems
CN111339818A (zh) 一种人脸多属性识别系统
CN109886356A (zh) 一种基于三分支神经网络的目标追踪方法
CN109255382A (zh) 用于图片匹配定位的神经网络系统，方法及装置
CN109214444B (zh) 基于孪生神经网络和gmm的游戏防沉迷判定系统及方法
CN110163631A (zh) 客户精准服务方法、装置、计算机设备及存储介质
CN109583367A (zh) 图像文本行检测方法及装置、存储介质和电子设备
US20240046350A1 (en) Methods and systems for generating recommendations for causes of computer alerts that are automatically detected by a machine learning algorithm
CN111310918B (zh) 一种数据处理方法、装置、计算机设备及存储介质
CN114724021A (zh) 一种数据的识别方法、装置、存储介质及电子装置
Ty et al. Machine learning of time series using time-delay embedding and precision annealing
CN110855474B (zh) Kqi数据的网络特征提取方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant