[發明專利]計數方法及裝置

有效

• 申請號: 201711037201.9
• 申請日: 2017-10-30
• 公開（公告）號: CN107818343B
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 于涌;陳云霽;陳天石;劉少禮;郭崎;杜子東;劉道福
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/02
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 任巖

1.一種計數方法，包括：

對一深度神經網絡進行預訓練；

利用標記圖像對預訓練后的所述深度神經網絡進行重訓練，得到二分類的目標檢測神經網絡；

利用所述二分類的目標檢測神經網絡對待計數的圖像中包含的計數目標物體進行計數；以及

將所述二分類的目標檢測神經網絡復位；

更換標記圖像，利用更換后的標記圖像對復位后的神經網絡進行重訓練；

其中，所述標記圖像包含所述計數目標物體；

其中，所述利用標記圖像對所述預訓練后的深度神經網絡進行重訓練，得到二分類的目標檢測神經網絡的步驟，包括：

對至少一圖像中的所有計數目標物體進行標記，獲取所述標記圖像：采用一標記方式對所述標記圖像中所有計數目標物體進行標記，將標記圖像中的所有物體分成兩類，一類是帶標記的目標物體，一類是不帶標記的物體，由此獲取標記圖像；

將所述標記圖像輸入所述預訓練后的深度神經網絡，進行重訓練，重復該重訓練步驟直至神經網絡的輸出誤差小于一誤差閾值，得到一二分類的目標檢測神經網絡。

2.根據權利要求1所述的計數方法，還包括：

將未標記的待計數的圖像輸入所述二分類的目標檢測神經網絡中，得到目標物體的坐標位置信息及置信準確度分數；

根據坐標位置信息或置信準確度分數進行計數：設定一準確度分數閾值，若準確度分數大于所述準確度分數閾值，則判定該位置有目標物體。

3.根據權利要求1所述的計數方法，其中，所述預訓練后的深度神經網絡為多分類神經網絡，利用標記圖像對所述預訓練后的深度神經網絡進行重訓練，即通過遷移學習使所述多分類神經網絡轉換為一二分類的目標檢測神經網絡。

4.根據權利要求1所述的計數方法，還包括：

利用所述更換標記圖像之后經過重訓練的所述神經網絡對待計數的圖像中包含的更換后的計數目標物體進行計數；其中，所述更換后的標記圖像包含所述更換后的計數目標物體。

5.根據權利要求1所述的計數方法，其中，所述深度神經網絡為FASTR-CNN或YOLO。

6.一種計數裝置，包括：

預處理模塊，用于對一深度神經網絡進行預訓練；

處理模塊，用于利用標記圖像對預訓練后的所述深度神經網絡進行重訓練，得到二分類的目標檢測神經網絡；

計數模塊，用于利用所述二分類的目標檢測神經網絡對待計數的圖像中包含的計數目標物體進行計數；

復位模塊，用于將所述二分類的目標檢測神經網絡復位；以及

更換模塊，用于更換標記圖像；

其中，所述處理模塊中標記圖像包含所述計數目標物體；

其中，所述處理模塊用于利用標記圖像對所述預訓練后的深度神經網絡進行重訓練，得到二分類的目標檢測神經網絡的步驟，包括：

對至少一圖像中的所有計數目標物體進行標記，獲取所述標記圖像：采用一標記方式對所述標記圖像中所有計數目標物體進行標記，將標記圖像中的所有物體分成兩類，一類是帶標記的目標物體，一類是不帶標記的物體，由此獲取標記圖像；

將所述標記圖像輸入所述預訓練后的深度神經網絡，進行重訓練，重復該重訓練步驟直至神經網絡的輸出誤差小于一誤差閾值，得到一二分類的目標檢測神經網絡。

7.根據權利要求6所述的計數裝置，

其中，所述處理模塊還用于利用更換后的標記圖像對復位后的神經網絡進行重訓練；所述計數模塊還用于利用更換標記圖像之后經過重訓練的所述神經網絡對待計數的圖像中包含的更換后的計數目標物體進行計數；所述更換后的標記圖像包含所述更換后的計數目標物體。