[發明專利]神經網絡訓練與圖像處理方法及裝置

有效

• 申請號: 201910262390.2
• 申請日: 2019-04-02
• 公開（公告）號: CN110009090B
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 曹鈺杭;陳愷;呂健勤;林達華
• 申請（專利權）人: 北京市商湯科技開發有限公司
• 主分類號: G06N3/02
• 分類號: G06N3/02;G06N3/08;G06V10/764;G06V10/82
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

1.一種神經網絡訓練方法，其特征在于，包括：

通過目標檢測網絡對樣本圖像進行目標檢測處理，獲得所述樣本圖像中至少一個對象的多個預測區域，所述樣本圖像的標注信息包括所述至少一個對象的位置標注信息及至少一個對象的類別標注信息；

基于所述至少一個對象的位置標注信息，確定每個所述預測區域與每個所述預測區域對應的標注區域之間的交并比；

根據所述至少一個對象的類別標注信息以及多個預測區域中每個預測區域的交并比，確定所述多個預測區域的重要性分數；

根據所述多個預測區域的重要性分數以及所述樣本圖像的標注信息，訓練所述目標檢測網絡；

其中，根據所述至少一個對象的類別標注信息以及多個預測區域中每個預測區域的交并比，確定所述多個預測區域的重要性分數，包括：

根據所述至少一個對象的類別標注信息以及所述多個預測區域中每個預測區域的交并比，對多個預測區域進行排序，獲得所述至少一個對象所屬的至少一個類別中每個類別對應的預測區域序列；

根據所述多個預測區域中每個預測區域在所述預測區域序列中的排序位置，確定所述每個預測區域的重要性分數；

其中，所述根據所述至少一個對象的類別標注信息以及所述多個預測區域中每個預測區域的交并比，對多個預測區域進行排序，獲得所述至少一個對象所屬的至少一個類別中每個類別對應的預測區域序列，包括：

根據所述至少一個對象中每個對象的至少兩個預測區域的交并比，對所述每個對象的至少兩個預測區域進行排序，獲得所述每個對象對應的第一序列；

基于所述至少一個對象的類別標注信息，對屬于相同類別的至少一個對象對應的第一序列中排序位置相同的預測區域進行排序，獲得與所述第一序列中的至少一個排序位置中每個排序位置對應的第二序列；

按照所述第一序列中的排序位置，對所述至少一個排序位置對應的第二序列進行排序，獲得所述類別對應的預測區域序列。

2.根據權利要求1所述的方法，其特征在于，所述預測區域序列中的多個預測區域的重要性隨著排序位置逐漸下降。

3.根據權利要求1所述的方法，其特征在于，根據所述多個預測區域的重要性分數以及所述樣本圖像的標注信息，訓練所述目標檢測網絡，包括：

根據所述多個預測區域的重要性分數，確定所述多個預測區域中的每個預測區域的第一權重；

根據所述多個預測區域中每個預測區域的第一權重和所述標注信息，確定所述目標檢測網絡的分類損失；

根據所述分類損失，調整所述目標檢測網絡的網絡參數。

4.根據權利要求3所述的方法，其特征在于，根據所述多個預測區域中每個預測區域的第一權重和所述標注信息，確定所述目標檢測網絡的分類損失，包括：

根據所述多個預測區域中每個預測區域的類別預測結果和所述每個預測區域的類別標注信息，確定所述每個預測區域對應的分類損失；

根據所述多個預測區域的第一權重以及所述多個預測區域的分類損失，確定所述多個預測區域中每個預測區域對應的第二權重；

根據所述多個預測區域中每個預測區域的第二權重以及所述多個預測區域的分類損失，確定所述目標檢測網絡的分類損失。

5.根據權利要求3所述的方法，其特征在于，根據所述多個預測區域的重要性分數以及所述樣本圖像的標注信息，訓練所述目標檢測網絡，還包括：

根據所述至少一個對象的類別標注信息，確定所述至少一個對象中每個對象的目標類別；

基于所述多個預測區域中每個預測區域在所述每個預測區域對應的目標類別上的類別預測結果，確定所述目標檢測網絡的回歸損失；

基于所述回歸損失，調整所述目標檢測網絡的網絡參數。