[发明专利]一种神经网络自动设计系统和方法

权利要求书

1.一种神经网络自动设计方法，其特征在于，包含超网络结构和controller模型，包括以下步骤：

S1，预备包含视频数据和真实相机位姿数据的视频序列；

S2，从S1的视频序列中抽取视频片段V1，由该视频片段V1组成训练批数据，对超网络结构的每个block操作进行均匀采样，选择出训练批的操作，选择完成后，组成一条路径，该路径为子网络模型，再按时间顺序将V1中相邻两帧图像依次输入该子网络模型，得到图像帧之间的位姿序列，再利用损失函数计算误差，然后更新网络参数，直至损失函数不再下降；

S3，利用controller模型输出每个block选择的操作数，生成子模型的编码，子模型的参数采用S2中迭代后的网络参数，按视频时间顺序从S1的视频序列中抽取视频片段v2与对应的真实相机位姿数据，将v2输入子模型中，得到预测位姿，然后与真实相机位姿进行对比，计算得到片段评价指标，然后重复S3的上述操作，直至抽完整个视频序列，计算片段评价指标得到子模型的最终评价指标；

S4，利用S3得到的子模型的最终评价指标，对controller模型参数进行参数更新，重复S3，直至达到设置好的迭代数目或子模型的性能不再提高；

S5，利用controller输出n个子模型，挑出最终评价指标最好的子模型，为最终的输出结果。

2.根据权利要求1所述的神经网络自动设计方法，其特征在于，所述步骤S2中，损失函数为：

其中x为预测位姿和真实相机位姿之间的欧式距离，a和c为控制loss的参数。

3.根据权利要求1所述的神经网络自动设计方法，其特征在于，所述S1的视频序列分为训练集和验证集，S2采用训练集，S3采用验证集。

4.根据权利要求1所述的神经网络自动设计方法，其特征在于，所述S3中子模型的最终评价指标计算方法为：将所有片段评价指标求平均。

5.根据权利要求1所述的神经网络自动设计方法，其特征在于，所述S3中，对最终评价指标进行记录。

6.根据权利要求1所述的神经网络自动设计方法，其特征在于，所述S5中n为小于等于10的整数。

7.一种神经网络自动设计系统，其特征在于，包含超网络结构和controller模型，所述超网络结构包含stem模块、convolution block模块、reduction block模块、sequentialblock模块和Tail模块，Stem模块用于处理输入为两张堆叠起来的rgb图片，Tail模块用于处理时序信息,convolution block模块包括并列的不同参数的卷积操作组合，reductionblock模块包括并列的基于卷积的下采样操作组合，sequential block模块用于整合输入的时序信息。

8.根据权利要求7所述的神经网络自动设计系统，其特征在于，所述sequential block模块可采用4种操作的一种，其分别为ConvlstmS 3x3或ConvlstmS 5x5或ConvGRUS 3x3或ConvGRUS 5x5。