[發明專利]一種神經網絡訓練方法及裝置

有效

• 申請號: 201710741903.9
• 申請日: 2017-08-25
• 公開（公告）號: CN107491790B
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 王乃巖;黃秀坤
• 申請（專利權）人: 北京圖森智途科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種神經網絡訓練方法，其特征在于，包括：

采用訓練圖像集對神經網絡模型進行訓練，得到初級神經網絡；

將測試圖像集中的測試圖像輸入初級神經網絡，輸出與測試圖像對應的檢測結果；

選取檢測結果有誤的測試圖像直接添加到訓練圖像集中得到新的訓練圖像集；

采用新的訓練圖像集對所述初級神經網絡進行訓練；

所述訓練圖像集為異常圖像集，所述測試圖像集為正常圖像集，所述初級神經網絡為用于確定圖像中各像素所屬類型的語義分割模型，類型的種類包含異常類型和正常類型；

所述采用訓練圖像集對神經網絡模型進行訓練，得到初級神經網絡，包括：

采用異常圖像集對神經網絡模型進行訓練，得到初始語義分割模型；

所述將測試圖像集中的測試圖像輸入初級神經網絡，輸出與測試圖像對應的檢測結果，包括：

將正常圖像集中的正常圖像輸入所述初始語義分割模型，對初始語義分割模型進行測試，獲得錯誤檢測的圖像；

所述選取檢測結果有誤的測試圖像直接添加到訓練圖像集中得到新的訓練圖像集，包括：

將錯誤檢測的圖像的每個像素打上正常類型的標簽，以作為正常圖像增加到異常圖像集中；

所述采用新的訓練圖像集對所述初級神經網絡進行訓練，包括：

采用新的異常圖像集對所述初始語義分割模型進行訓練。

2.根據權利要求1所述的方法，其特征在于，輸出與測試圖像對應的檢測結果之后，還包括：

根據測試圖像對應的檢測結果判斷是否滿足預置的迭代停止條件；

若是則將所述初級神經網絡作為目標神經網絡；

若否則執行所述選取檢測結果有誤的測試圖像直接添加到訓練圖像集中得到新的訓練圖像集的步驟，以及，將采用新的訓練圖像集對所述初級神經網絡進行訓練得到的神經網絡作為初級神經網絡，執行所述將測試圖像集中的測試圖像輸入初級神經網絡的步驟。

3.根據權利要求2所述的方法，其特征在于，根據測試圖像對應的檢測結果判斷是否滿足預置的迭代停止條件，具體包括：

判斷檢測結果錯誤的測試圖像的數量是否大于等于預置的數量閾值，若是則確定不滿足迭代停止條件，若否則確定滿足迭代停止條件；

或者，判斷檢測結果錯誤的測試圖像的數量與輸入初級神經網絡的測試圖像的總數量的比例值是否大于等于預置的比例閾值，若是則確定不滿足迭代停止條件，若否則確定滿足迭代停止條件。

4.根據權利要求1所述的方法，其特征在于，所述異常圖像集包括透明污損圖像和不透明污損圖像，所述正常類型為無污損，所述異常類型為有污損，或者所述異常類型包括透明污損和不透明污損；

或者，所述異常圖像集包括過曝光圖像和欠曝光圖像，所述異常類型包括過曝光、欠曝光，所述正常類型為正常曝光；

或者，所述異常圖像集包括透明污損圖像、不透明污損圖像、曝光圖像和欠曝光圖像，所述正常類型包括正常曝光和無污損，所述異常類型包括有污損、無污損、過曝光和欠曝光；或者，所述異常類型包括透明污損、不透明污損、無污損、過曝光和欠曝光。