System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 用于神经网络模型训练的增强和层冻结制造技术_技高网

用于神经网络模型训练的增强和层冻结制造技术

技术编号:43130228 阅读:2 留言:0更新日期:2024-10-29 17:37
本公开的实施例用于神经网络模型训练的增强和层冻结。描述了一种用于训练具有神经网络模型的图像处理器的方法。生成具有第一图像分辨率的图像的第一训练集。生成具有第二图像分辨率的图像的第二训练集。第二图像分辨率大于第一图像分辨率。在第一训练会话期间,使用图像的第一训练集来训练图像处理器的神经网络模型。在第一训练会话之后的第二训练会话期间,使用图像的第二训练集来训练图像处理器的神经网络模型。

【技术实现步骤摘要】


技术介绍

1、社交媒体平台的用户可以选择化身或其他图像来表示他们的用户账户。这些图像区分了用户,当用户将另一用户添加到朋友网络、浏览用户列表、或甚至标识谁在订阅源中发帖时,这可能很有帮助。通常,当用户没有上传或选择要与他们的账户相关联的化身时,使用默认图标,并且一些系统可以允许用户从预设的库存化身中进行选择。特别地,社交媒体平台的普通用户可能不太积极主动选择图像或拍摄自己的面部照片来上传和公开分享。由于缺乏标识化身,所以这样的用默认图标的用户可能不太可能与其他用户形成连接,并且更可能因此减少社交媒体平台的使用。因此,鼓励用户采用个性化化身可以提高用户参与度和留存率。

2、神经网络模型可以用于通过基于用户的图像自动地生成化身来帮助用户选择个性化化身。以这种方式,用户可能更有可能使用更独特、个性化的化身来促进与其他用户的连接,同时避免使用实际图像来维持隐私的平衡。然而,训练这样的神经网络模型往往是耗时和资源密集型的。此外,使用经训练的模型也可能是耗时和资源密集型的,使得普通用户不太可能选择个性化化身。

3、关于这些考虑和其他一般考虑,已经描述了实施例。此外,尽管已经讨论了相对具体的问题,但是应当理解,实施例不应当限于解决
技术介绍
中标识的具体问题。


技术实现思路

1、本公开的各方面涉及用于图像生成的图像处理器。

2、在一个方面中,提供了一种用于训练具有神经网络模型的图像处理器的方法。该方法包括:生成具有第一图像分辨率的图像的第一训练集;生成具有第二图像分辨率的图像的第二训练集,其中第二图像分辨率大于第一图像分辨率;在第一训练会话期间,使用图像的第一训练集来训练图像处理器的神经网络模型;在第一训练会话之后的第二训练会话期间,使用图像的第二训练集来训练图像处理器的神经网络模型。

3、在另一方面中,提供了一种用于训练具有带有噪声处理器的神经网络模型的图像处理器的方法。该方法包括:生成图像的训练集;增强第一训练集的至少一些图像;将所增强的图像添加到训练集;使用图像的训练集来训练图像处理器的神经网络模型。

4、在又一方面,提供了一种用于训练具有神经网络模型的图像处理器的系统。该系统包括具有神经网络模型的图像处理器,其中神经网络模型具有噪声处理器。该系统还包括增强处理器,该增强处理器被配置为处理输入图像以生成具有第一图像分辨率的图像的第一训练集和具有第二图像分辨率的图像的第二训练集。第二图像分辨率大于第一图像分辨率。在第一训练会话期间使用图像的第一训练集并且在第二训练会话期间使用图像的第二训练集来训练噪声处理器。第二训练会话在第一训练会话之后。

5、提供该
技术实现思路
是为了以简化的形式介绍概念的选择,这些概念将在下文的具体实施方式中进一步描述。该
技术实现思路
不旨在标识所要求保护的主题的关键特征或必要特征,也不旨在用于限制所要求保护的主题的范围。

本文档来自技高网...

【技术保护点】

1.一种用于训练具有神经网络模型的图像处理器的方法,所述方法包括:

2.根据权利要求1所述的方法,所述方法还包括:

3.根据权利要求1所述的方法,其中所述第一训练集比所述第二训练集具有更多的图像。

4.根据权利要求1所述的方法,其中所述第一训练集的图像的主题不同于所述第二训练集的图像的主题。

5.根据权利要求1所述的方法,其中:

6.根据权利要求5所述的方法,其中冻结所述注意力层中的所述至少一些注意力层包括:在所述第一训练会话和所述第二训练会话中的所述至少一个训练会话期间,冻结所述噪声处理器的所有所述注意力层。

7.根据权利要求6所述的方法,其中冻结所述注意力层中的所述至少一些注意力层包括:在所述第一训练会话和所述第二训练会话两者期间,冻结所述噪声处理器的所有所述注意力层。

8.根据权利要求1所述的方法,其中:

9.根据权利要求8所述的方法,其中增强所述至少一些图像包括:裁剪所述至少一些图像中的图像。

10.根据权利要求8所述的方法,其中增强所述至少一些图像包括:使用风格过滤器来处理所述至少一些图像中的图像。

11.根据权利要求8所述的方法,所述方法还包括:

12.一种用于训练具有带有噪声处理器的神经网络模型的图像处理器的方法,所述方法包括:

13.根据权利要求12所述的方法,其中:

14.根据权利要求13所述的方法,其中:

15.根据权利要求12所述的方法,其中:

16.根据权利要求15所述的方法,其中:

17.一种用于训练具有神经网络模型的图像处理器的系统,所述系统包括:

18.根据权利要求17所述的系统,所述系统还包括:

19.根据权利要求18所述的系统,其中:

20.根据权利要求18所述的系统,其中所述增强处理器还被配置为处理至少一些输入图像以生成所述增强图像。

...

【技术特征摘要】

1.一种用于训练具有神经网络模型的图像处理器的方法,所述方法包括:

2.根据权利要求1所述的方法,所述方法还包括:

3.根据权利要求1所述的方法,其中所述第一训练集比所述第二训练集具有更多的图像。

4.根据权利要求1所述的方法,其中所述第一训练集的图像的主题不同于所述第二训练集的图像的主题。

5.根据权利要求1所述的方法,其中:

6.根据权利要求5所述的方法,其中冻结所述注意力层中的所述至少一些注意力层包括:在所述第一训练会话和所述第二训练会话中的所述至少一个训练会话期间,冻结所述噪声处理器的所有所述注意力层。

7.根据权利要求6所述的方法,其中冻结所述注意力层中的所述至少一些注意力层包括:在所述第一训练会话和所述第二训练会话两者期间,冻结所述噪声处理器的所有所述注意力层。

8.根据权利要求1所述的方法,其中:

9.根据权利要求8所述的方法,其中增强所述至...

【专利技术属性】
技术研发人员:智天成桑燊刘晶罗琳捷
申请(专利权)人:脸萌有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1