(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210950701.6 (22)申请日 2022.08.09 (71)申请人 北京市商汤科技 开发有限公司 地址 100080 北京市海淀区北四环西路58 号11层1101-1117室 (72)发明人 张满园　 (74)专利代理 机构 北京林达刘知识产权代理事 务所(普通 合伙) 11277 专利代理师 刘新宇 (51)Int.Cl. G06V 40/16(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/74(2022.01) G06V 10/762(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 图像处理模 型的生成方法、 装置、 设备、 介质 和程序产品 (57)摘要 本公开涉及一种图像处理模 型的生成方法、 装置、 设备、 介质和程序产品。 所述方法包括： 基 于预设的搜索空间， 搜索得到用于生成图像处理 模型的至少两个候选组合； 其中， 所述预设的搜 索空间包括第一子搜索空间、 第二子搜索空间和 第三子搜索空间中的至少两项； 所述第一子搜索 空间用于搜索数据清洗对应的超参数， 其中， 所 述数据清洗对应的超参数用于对训练图像集进 行数据清洗； 所述第二子搜索空间用于搜索损失 函数对应的超参数； 所述第三子搜索空间用于搜 索网络结构 对应的超参数； 基于所述至少两个候 选组合分别进行训练， 得到与所述至少两个候选 组合一一对应的至少两个候选图像处理模型； 基 于所述至少两个候选图像处理模 型， 确定目标图 像处理模型。 权利要求书2页 说明书17页 附图2页 CN 115273203 A 2022.11.01 CN 115273203 A 1.一种图像处 理模型的生成方法， 其特 征在于， 包括： 基于预设的搜索空间， 搜索得到用于生成图像处理模型的至少两个候选组合； 其中， 所 述预设的搜索空间包括第一子搜索空间、 第二子搜索空间和第三子搜索空间中的至少两 项； 所述第一子搜索空间用于搜索数据 清洗对应的超参数， 其中， 所述数据清洗对应的超参 数用于对训练图像集进行数据清洗； 所述第二子搜索空间用于搜索损失函数对应的超参 数； 所述第三子 搜索空间用于 搜索网络结构对应的超参数； 基于所述至少两个候选组合分别进行训练， 得到与所述至少两个候选组合一一对应的 至少两个候选图像处 理模型； 基于所述至少两个候选图像处 理模型， 确定目标图像处 理模型。 2.根据权利要求1所述的方法， 其特征在于， 所述数据清洗对应的超参数包括以下至少 之一： 用于过滤类内的训练图像的置信度阈值、 用于合并不同类别的训练图像的相似度阈 值。 3.根据权利要求1或2所述的方法， 其特征在于， 所述损 失函数对应的超参数包括以下 至少之一： 损失函数中的间隔、 损失函数中正样本对应的幅度、 损失函数中负 样本对应的幅度。 4.根据权利要求1至3中任意一项所述的方法， 其特征在于， 所述网络结构对应的超参 数包括以下至少之一： 骨干网络的宽度、 骨干网络的深度。 5.根据权利要求1至4中任意 一项所述的方法， 其特 征在于， 所述基于预设的搜索空间， 搜索得到用于生成图像处理模型的至少两个候选组合， 包 括： 通过强化学习智能体采用搜索策略， 基于预设的搜索空间， 搜索得到用于生成图像处理 模型的至少两个候选组合； 所述基于所述至少两个候选组合分别进行训练， 得到与 所述至少两个候选组合一一对 应的至少 两个候选图像处理模型， 包括： 基于所述至少 两个候选组合分别进行预设轮次的 训练， 得到与所述至少两个候选组合 一一对应的至少两个候选图像处 理模型； 所述方法还包括： 基于验证图像集， 获取所述至少两个候选 图像处理模型对应的奖励 值； 根据所述奖励值， 更新所述搜索策略。 6.根据权利要求5所述的方法， 其特征在于， 所述通过强化学习智能体采用搜索策略， 基于预设的搜索空间， 搜索得到用于生成图像处 理模型的至少两个候选组合， 包括： 通过强化学习智能体采用搜索策略， 基于预设的搜索顺序搜索预设的搜索空间， 得到 用于生成图像处理模型 的至少两个候选组合， 其中， 所述预设的搜索顺序表示预先设置的 搜索各子 搜索空间的顺序。 7.根据权利要求5或6所述的方法， 其特征在于， 所述基于验证图像集， 获取所述至少两 个候选图像处 理模型对应的奖励值， 包括： 对于所述至少两个候选 图像处理模型中的任一候选 图像处理模型， 基于验证图像集， 确定所述 候选图像处 理模型对应的准确率和计算 开销； 基于所述候选图像处理模型对应的准确率和计算开销， 确定所述候选图像处理模型对 应的奖励值。权　利　要　求　书 1/2 页 2 CN 115273203 A 28.根据权利要求1至7中任意一项所述的方法， 其特征在于， 候选 图像处理模型的数量 为至少三个； 所述基于所述至少两个候选图像处 理模型， 确定目标图像处 理模型， 包括： 根据奖励值， 从所述至少三个候选图像处理模型中， 确定至少两个备选图像处理模型， 其中， 备选图像处 理模型的数量小于候选图像处 理模型的数量； 对所述至少两个备选图像处理模型分别进行训练， 直至所述至少两个备选图像处理模 型满足预设的训练条件； 根据训练完成的至少两个备选图像处理模型的性 能信息， 从所述训练完成的至少两个 备选图像处 理模型中确定目标图像处 理模型。 9.一种图像处 理模型的生成装置， 其特 征在于， 包括： 搜索模块， 用于基于预设的搜索空间， 搜索得到用于生成图像处理模型的至少两个候 选组合； 其中， 所述预设的搜索空间包括第一子搜索空间、 第二子搜索空间和 第三子搜索空 间中的至少两项； 所述第一子搜索空间用于搜索数据 清洗对应的超参数， 其中， 所述数据 清 洗对应的超参数用于对训练图像集进 行数据清洗； 所述第二子搜索空间用于搜索损失函数 对应的超参数； 所述第三子 搜索空间用于 搜索网络结构对应的超参数； 训练模块， 用于基于所述至少两个候选组合分别进行训练， 得到与所述至少两个候选 组合一一对应的至少两个候选图像处 理模型； 确定模块， 用于基于所述至少两个候选图像处 理模型， 确定目标图像处 理模型。 10.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 用于存储可执行指令的存 储器； 其中， 所述一个或多个处理器被配置为调用所述存储器存储的可执行指令， 以执行权 利要求1至8中任意 一项所述的方法。 11.一种计算机可读存储介质， 其上存储有计算机程序指令， 其特征在于， 所述计算机 程序指令被处 理器执行时实现权利要求1至8中任意 一项所述的方法。 12.一种计算机程序产品， 其特征在于， 包括计算机可读代码， 或者承载有计算机可读 代码的非易失性计算机可读存储介质， 当所述计算机可读代码在电子设备中运行时， 所述 电子设备中的处 理器执行权利要求1至8中任意 一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115273203 A 3