[發明專利]目標跟蹤、網絡訓練方法、裝置、電子設備和存儲介質

有效

• 申請號: 201710352230.8
• 申請日: 2017-05-18
• 公開（公告）號: CN108230354B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 任思捷;陳曉濠;劉建博;于志洋;孫文秀;嚴瓊;張瑞;戴宇榮
• 申請（專利權）人: 深圳市商湯科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06N3/04
• 代理公司: 北京之于行知識產權代理有限公司 11767
• 代理人: 韓岳

1.一種目標跟蹤方法，其特征在于，包括：

基于第一卷積神經網絡對視頻圖像進行目標預測，得到所述視頻圖像中的多個目標預測區域；所述第一卷積神經網絡通過對已訓練完成的第二卷積神經網絡執行以下處理構建而成：刪除已訓練完成的第二卷積神經網絡中部分用于進行下采樣的結構，和/或，減小所述第二卷積神經網絡中與下采樣相關的參數，并且所述第一卷積神經網絡的網絡參數基于用于訓練第一卷積神經網絡的樣本圖像、并以所述第二卷積神經網絡的輸出為指導信息被調整而得到，其中，所述第二卷積神經網絡訓練用的樣本圖像的分辨率大于所述第一卷積神經網絡訓練用的樣本圖像的分辨率；

對所述多個目標預測區域中的部分目標預測區域進行預測結果評價檢測；

確定所述部分目標預測區域中檢測結果滿足設定條件的目標預測區域；

在包括所述視頻圖像的視頻幀序列中根據滿足設定條件的目標預測區域的位置信息進行目標跟蹤。

2.根據權利要求1所述的方法，其特征在于，所述預測結果評價檢測包括：預測結果準確性檢測，和/或，預測結果錯誤代價檢測。

3.根據權利要求1所述的方法，其特征在于，對所述多個目標預測區域中的部分目標預測區域進行預測結果評價檢測，包括：

針對所述部分目標預測區域中的每個目標預測區域，分別檢測每個目標預測區域的第一損失代價信息和第二損失代價信息；其中，所述第一損失代價信息表征將目標預測區域預測為包括所述目標的區域的預測結果準確性以及預測結果錯誤代價，所述第二損失代價信息表征將目標預測區域預測為包括所述目標的最小外包矩形的預測結果準確性以及預測結果錯誤代價。

4.根據權利要求3所述的方法，其特征在于，所述用于進行下采樣的結構包括池化層；和/或，所述與下采樣相關的參數包括卷積層的步長。

5.根據權利要求4所述的方法，其特征在于，刪除的所述池化層包括位于所述待訓練的第一卷積神經網絡淺層的部分池化層，和/或，步長減小的所述卷積層包括位于所述待訓練的第一卷積神經網絡淺層的部分卷積層。

6.一種神經網絡訓練方法，其特征在于，包括：

根據已訓練完成的第二卷積神經網絡構建待訓練的第一卷積神經網絡，其中，所述第二卷積神經網絡訓練用的樣本圖像的分辨率大于所述待訓練的第一卷積神經網絡訓練用的樣本圖像的分辨率；

基于所述待訓練的第一卷積神經網絡訓練用的樣本圖像、并以所述第二卷積神經網絡的輸出為指導信息，調整所述待訓練的第一卷積神經網絡的網絡參數，以得到訓練完成的第一卷積神經網絡，

其中，根據已訓練完成的第二卷積神經網絡構建待訓練的第一卷積神經網絡，包括：

刪除所述第二卷積神經網絡中部分用于進行下采樣的結構，和/或，減小所述第二卷積神經網絡中與下采樣相關的參數，得到所述待訓練的第一卷積神經網絡。

7.根據權利要求6所述的方法，其特征在于，所述用于進行下采樣的結構包括池化層；和/或，所述與下采樣相關的參數包括卷積層的步長。

8.根據權利要求7所述的方法，其特征在于，刪除的所述池化層包括位于所述待訓練的第一神經網絡淺層的部分池化層，和/或，步長減小的所述卷積層包括位于所述待訓練的第一神經網絡淺層的部分卷積層。