网络结构调整方法、装置和存储介质及电子设备与流程

技术特征：
1.一种网络结构调整方法，其特征在于，包括：在获取到用于复原字符图像的目标网络结构的情况下，对所述目标网络结构中包括的n层卷积结构按照m种压缩方式进行压缩，以得到p个候选网络结构，其中，所述候选网络结构中包括的卷积结构为n层，n为大于等于2的正整数，m为大于等于1的正整数，p为大于等于1的正整数；获取k组样本字符图像，其中，所述k组样本字符图像中的每组样本字符图像包括携带有待复原样本字符的第一图像和携带有已复原样本字符的第二图像，k为大于等于1的正整数；通过所述p个候选网络结构分别对所述每组样本字符图像中的所述第一图像进行字符复原，以得到所述第一图像对应的复原字符图像；在从所述复原字符图像中识别出复原字符信息的情况下，依次比对每个复原字符信息与对应的所述已复原样本字符的字符信息，以得到所述复原字符信息对应的字符相似度；将所述目标网络结构中的n层卷积结构，替换为所述字符相似度达到相似度阈值的候选网络结构。2.根据权利要求1所述的方法，其特征在于，所述对所述目标网络结构中包括的n层卷积结构按照m种压缩方式进行压缩，以得到p个候选网络结构，包括：对所述n层卷积结构按照m种压缩方式进行压缩，以得到m个备选网络结构，其中，所述备选网络结构中包括的卷积结构为n层；将所述m个备选网络结构中目标计算量达到计算阈值的p个备选网络结构确定为所述p个候选网络结构，其中，所述目标计算量用于表示所述备选网络结构一次卷积的计算量。3.根据权利要求2所述的方法，其特征在于，所述对所述n层卷积结构按照m种压缩方式进行压缩，以得到m个备选网络结构，包括：对所述n层卷积结构中的每一层卷积结构的通道数按照m种压缩方式进行压缩，以得到所述m个备选网络结构，其中，每个所述备选网络结构对应的通道数序列皆不相同，所述通道数序列为由所述备选网络结构中的每一层卷积结构的通道数组合成的序列，所述通道数与所述目标计算量呈正相关关系。4.根据权利要求1所述的方法，其特征在于，在所述对所述目标网络结构中包括的n层卷积结构按照m种压缩方式进行压缩之前，包括：获取f组样本字符图像，其中，所述f组样本字符图像中的每组样本字符图像包括所述第一图像和第二图像，f为大于等于1的正整数；将所述f组样本字符图像输入初始目标网络结构，以训练得到所述目标网络结构。5.根据权利要求4所述的方法，其特征在于，在所述将所述f组样本字符图像输入初始目标网络结构，以训练得到所述目标网络结构之后，包括：将所述k组样本字符图像输入所述目标网络结构，以训练得到训练好的目标网络结构。6.根据权利要求5所述的方法，其特征在于，所述将所述k组样本字符图像输入替换后的目标网络结构，以训练得到训练好的目标网络结构，包括：重复执行以下步骤，直至得到所述训练好的目标网络结构：从所述k组样本字符图像中确定出当前样本字符图像，并确定当前目标网络结构，其中，所述当前样本字符图像中包括当前第一图像和当前第二图像；
通过所述当前目标网络结构获取当前复原结果，其中，所述当前复原结果包括所述当前第一图像对应的复原字符信息；在所述当前复原结果未达到收敛条件的情况下，获取下一个样本字符图像作为所述当前样本字符图像；在所述当前复原结果达到所述收敛条件的情况下，确定所述当前目标网络结构为所述训练好的目标网络结构。7.根据权利要求1至6中任一项所述的方法，其特征在于，所述比对每个复原字符信息与对应的所述已复原样本字符的字符信息，包括：获取所述每个复原字符信息与对应的所述已复原样本字符的字符信息的信息差值，其中，所述信息差值与所述字符相似度呈反相关关系。8.根据权利要求1至6中任一项所述的方法，其特征在于，在所述将所述目标网络结构中的n层卷积结构，替换为所述字符相似度达到相似度阈值的候选网络结构之后，包括：获取待复原的字符图像；将所述待复原的字符图像输入调整后的目标网络结构；获取所述调整后的目标网络结构输出的目标复原结果，其中，所述目标复原结果包括所述待复原的字符图像对应的复原字符信息。9.一种网络结构调整装置，其特征在于，包括：压缩单元，用于在获取到用于复原字符图像的目标网络结构的情况下，对所述目标网络结构中包括的n层卷积结构按照m种压缩方式进行压缩，以得到p个候选网络结构，其中，所述候选网络结构中包括的卷积结构为n层，n为大于等于2的正整数，m为大于等于1的正整数，p为大于等于1的正整数；第一获取单元，用于获取k组样本字符图像，其中，所述k组样本字符图像中的每组样本字符图像包括携带有待复原样本字符的第一图像和携带有已复原样本字符的第二图像，k为大于等于1的正整数；复原单元，用于通过所述p个候选网络结构分别对所述每组样本字符图像中的所述第一图像进行字符复原，以得到所述第一图像对应的复原字符图像；比对单元，用于在从所述复原字符图像中识别出复原字符信息的情况下，依次比对每个复原字符信息与对应的所述已复原样本字符的字符信息，以得到所述复原字符信息对应的字符相似度；调整单元，用于将所述目标网络结构中的n层卷积结构，替换为所述字符相似度达到相似度阈值的候选网络结构。10.根据权利要求9所述的装置，其特征在于，所述压缩单元，包括：压缩模块，用于对所述n层卷积结构按照m种压缩方式进行压缩，以得到m个备选网络结构，其中，所述备选网络结构中包括的卷积结构为n层；第一确定模块，用于将所述m个备选网络结构中目标计算量达到计算阈值的p个备选网络结构确定为所述p个候选网络结构，其中，所述目标计算量用于表示所述备选网络结构一次卷积的计算量。11.根据权利要求10所述的装置，其特征在于，所述压缩模块，包括：压缩子模块，用于对所述n层卷积结构中的每一层卷积结构的通道数按照m种压缩方式
进行压缩，以得到所述m个备选网络结构，其中，每个所述备选网络结构对应的通道数序列皆不相同，所述通道数序列为由所述备选网络结构中的每一层卷积结构的通道数组合成的序列，所述通道数与所述目标计算量呈正相关关系。12.根据权利要求9所述的装置，其特征在于，包括：第二获取单元，用于在所述对所述目标网络结构中包括的n层卷积结构按照m种压缩方式进行压缩之前，获取f组样本字符图像，其中，所述f组样本字符图像中的每组样本字符图像包括所述第一图像和第二图像，f为大于等于1的正整数；第一输入单元，用于在所述对所述目标网络结构中包括的n层卷积结构按照m种压缩方式进行压缩之前，将所述f组样本字符图像输入初始目标网络结构，以训练得到所述目标网络结构。13.根据权利要求12所述的装置，其特征在于，包括：第二输入单元，用于在所述将所述f组样本字符图像输入初始目标网络结构，以训练得到所述目标网络结构之后，将所述k组样本字符图像输入所述目标网络结构，以训练得到训练好的目标网络结构。14.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至8任一项中所述的方法。15.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至8任一项中所述的方法。

技术总结
本发明公开了一种人工智能场景下的网络结构调整方法、装置和存储介质及电子设备，还涉及计算机视觉技术、机械学习等技术。其中，该方法包括：在获取到用于复原字符图像的目标网络结构的情况下，对目标网络结构中包括的N层卷积结构按照M种压缩方式进行压缩，以得到P个候选网络结构；通过P个候选网络结构分别对每组样本字符图像中的第一图像进行字符复原，以得到第一图像对应的复原字符图像；依次比对每个复原字符信息与对应的已复原样本字符的字符信息，以得到复原字符信息对应的字符相似度；将目标网络结构中的N层卷积结构，替换为字符相似度达到相似度阈值的候选网络结构。本发明解决了网络结构调整准确性较差的技术问题。明解决了网络结构调整准确性较差的技术问题。明解决了网络结构调整准确性较差的技术问题。


技术研发人员：郑重 汪翔 黄珊
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2021.01.15
技术公布日：2021/10/28