(EN) A device and method for training a classification neural network for semantic segmentation, and an electronic apparatus. Since each training operation can partially utilize a gradient obtained in a previous training operation, even if a large number of training images are used in training a network, the invention can effectively reduce a computation load and adapts to limited hardware resources. The reduction in the computation load accelerates the training speed, thereby reducing the time required for completion of the training. Moreover, since each training operation utilizes new data, training precision can be guaranteed in the event of limited hardware resources.
(FR) L'invention concerne un dispositif et un procédé d'apprentissage d'un réseau neuronal de classification en vue d'une segmentation sémantique, et un appareil électronique. Étant donné que chaque opération d'apprentissage peut utiliser partiellement un gradient obtenu dans une opération d'apprentissage précédente, même si un grand nombre d'images d'apprentissage sont utilisées dans l'apprentissage d'un réseau, l'invention peut réduire efficacement une charge de calcul et s'adapte à des ressources matérielles limitées. La réduction de la charge de calcul accélère la vitesse d'apprentissage, ce qui réduit le temps nécessaire à la réalisation de l'apprentissage. De plus, étant donné que chaque opération d'apprentissage utilise de nouvelles données, une précision d'apprentissage peut être garantie en cas de ressources matérielles limitées.
(ZH) 一种用于语义分割的分类神经网络的训练装置及方法、电子设备。即使在训练网络时使用了较多数量的训练图像，由于在每次训练时能够部分利用之前训练时已经获得的梯度，因此能够有效减少计算量并适用于硬件资源有限的情况，并且，由于计算量的减少，训练速度加快，能够缩短训练完成的时间，另外，由于每次训练时都使用了新的数据，使得在使用有限的硬件资源的条件下仍然能够保证训练的精度。
