[發明專利]物體檢測網絡的訓練方法和特征監督圖生成方法

在審

• 申請號: 201810219901.8
• 申請日: 2018-03-16
• 公開（公告）號: CN108549927A
• 公開（公告）日: 2018-09-18
• 發明（設計）人: 曾星宇;楊朝暉
• 申請（專利權）人: 深圳市商湯科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/62
• 代理公司: 深圳中一專利商標事務所 44237
• 代理人: 冷仔

1.一種物體檢測網絡的訓練方法，其特征在于，包括：

通過物體檢測網絡獲得樣本圖像的特征圖；

使用特征監督圖與所述特征圖進行比較，生成特征監督損失函數；所述特征監督圖通過不同的值表示所述樣本圖像中目標物體和非目標物體的所在區域；

使用所述特征監督損失函數訓練所述物體檢測網絡。

2.根據權利要求1所述的方法，其特征在于，所述使用特征監督圖與所述特征圖進行比較之前，包括：

生成所述樣本圖像對應的特征監督圖。

3.根據權利要求2所述的方法，其特征在于，所述生成所述樣本圖像對應的特征監督圖，包括：

計算所述樣本圖像中各像素點的監督數值；所述樣本圖像中被目標物體框圈出的區域為正樣本，未被所述目標物體框圈出的區域為負樣本；所述監督數值包括正樣本影響值和負樣本影響值，所述正樣本影響值表示所述正樣本對所述像素點的影響，所述負樣本影響值表示所述負樣本對所述像素點的影響；

根據各像素點的所述監督數值，生成特征監督圖。

4.根據權利要求3所述的方法，其特征在于，所述計算所述樣本圖像中各像素點的監督數值，包括：

通過高斯分布函數設置每個所述目標物體框對所述像素點的影響，作為正樣本影響值；通過預設數值，作為負樣本影響值；

根據所述像素點的坐標，所述目標物體框的坐標，所述預設數值以及所述高斯分布函數計算所述樣本圖像中各像素點的監督數值。

5.一種用于物體檢測的特征監督圖生成方法，其特征在于，包括：

獲取樣本圖像，所述樣本圖像為標記有目標物體框的樣本圖像；所述樣本圖像中被所述目標物體框圈出的區域為正樣本，未被所述目標物體框圈出的區域為負樣本；

計算所述樣本圖像中各像素點的監督數值；所述監督數值包括正樣本影響值和負樣本影響值，所述正樣本影響值表示所述正樣本對所述像素點的影響，所述負樣本影響值表示所述負樣本對所述像素點的影響；

根據各像素點的所述監督數值，生成特征監督圖，所述特征監督圖通過不同的值表示所述樣本圖像中目標物體和非目標物體的所在區域。

6.根據權利要求5所述的方法，其特征在于，所述計算所述樣本圖像中各像素點的監督數值，包括：

通過高斯分布函數設置每個所述目標物體框對所述像素點的影響，作為正樣本影響值；通過預設數值，作為負樣本影響值；

根據所述像素點的坐標，所述目標物體框的坐標，所述預設數值以及所述高斯分布函數計算所述樣本圖像中各像素點的監督數值。

7.一種物體檢測網絡的訓練裝置，其特征在于，包括：

獲取模塊，用于通過物體檢測網絡獲得樣本圖像的特征圖；

比較模塊，用于使用特征監督圖與所述特征圖進行比較，生成特征監督損失函數；所述特征監督圖通過不同的值表示所述樣本圖像中目標物體和非目標物體的所在區域；

訓練模塊，用于使用所述特征監督損失函數訓練所述物體檢測網絡。

8.一種用于物體檢測的特征監督圖生成裝置，其特征在于，包括：

獲取模塊，用于獲取樣本圖像，所述樣本圖像為標記有目標物體框的樣本圖像；所述樣本圖像中被所述目標物體框圈出的區域為正樣本，未被所述目標物體框圈出的區域為負樣本；

計算模塊，用于計算所述樣本圖像中各像素點的監督數值；所述監督數值包括正樣本影響值和負樣本影響值，所述正樣本影響值表示所述正樣本對所述像素點的影響，所述負樣本影響值表示所述負樣本對所述像素點的影響；

生成模塊，用于根據各像素點的所述監督數值，生成特征監督圖，所述特征監督圖通過不同的值表示所述樣本圖像中目標物體和非目標物體的所在區域。

9.一種終端，其特征在于，包括處理器、輸入設備、輸出設備和存儲器，所述處理器、輸入設備、輸出設備和存儲器相互連接，其中，所述存儲器用于存儲計算機程序，所述計算機程序包括程序指令，所述處理器被配置用于調用所述程序指令，執行如權利要求1-6任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當被處理器執行時使所述處理器執行如權利要求1-6任一項所述的方法。