[發(fā)明專利]神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法、目標(biāo)檢測(cè)方法及裝置、存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910473459.6
• 申請(qǐng)日: 2019-05-31
• 公開(kāi)（公告）號(hào): CN110210561B
• 公開(kāi)（公告）日: 2022-04-01
• 發(fā)明（設(shè)計(jì)）人: 祝新革;龐江淼;楊策元;石建萍;林達(dá)華
• 申請(qǐng)（專利權(quán)）人: 北京市商湯科技開(kāi)發(fā)有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06V10/44;G06N3/08
• 代理公司: 北京派特恩知識(shí)產(chǎn)權(quán)代理有限公司 11270
• 代理人: 李梅香;張穎玲

本申請(qǐng)公開(kāi)了一種神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法及裝置、存儲(chǔ)介質(zhì)，其中，所述的方法包括：確定源域圖像的多個(gè)第一候選區(qū)域和目標(biāo)域圖像的多個(gè)第二候選區(qū)域；分別對(duì)所述多個(gè)第一候選區(qū)域和所述多個(gè)第二候選區(qū)域進(jìn)行聚類處理，得到第一局部區(qū)域和第二局部區(qū)域；根據(jù)所述第一局部區(qū)域的特征和所述第二局部區(qū)域的特征確定損失值；基于確定的損失值，調(diào)整所述神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，具體涉及一種神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法及裝置、存儲(chǔ)介質(zhì)，目標(biāo)檢測(cè)方法及裝置、存儲(chǔ)介質(zhì)。

背景技術(shù)

目前的物體檢測(cè)方法往往是在單一環(huán)境下的數(shù)據(jù)集中進(jìn)行訓(xùn)練，大量的數(shù)據(jù)使得這些方法能夠在數(shù)據(jù)集中取得不錯(cuò)的效果，但是同時(shí)也限制了他們的泛化能力，即在面臨不同的環(huán)境時(shí)，檢測(cè)效果往往會(huì)大打折扣。在物體分類任務(wù)中，通過(guò)域適應(yīng)方法來(lái)增強(qiáng)泛化能力已經(jīng)是一種常見(jiàn)做法，但是在物體檢測(cè)任務(wù)中，這些分類中的域適應(yīng)方法的效果不盡如人意。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┮环N神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法及應(yīng)用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)的技術(shù)方案。

第一方面，本申請(qǐng)實(shí)施例提供了一種神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，所述方法包括：

確定源域圖像的多個(gè)第一候選區(qū)域和目標(biāo)域圖像的多個(gè)第二候選區(qū)域；

分別對(duì)所述多個(gè)第一候選區(qū)域和所述多個(gè)第二候選區(qū)域進(jìn)行聚類處理，得到第一局部區(qū)域和第二局部區(qū)域；

根據(jù)所述第一局部區(qū)域的特征和所述第二局部區(qū)域的特征確定損失值；

基于確定的損失值，調(diào)整所述神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)。

上述方案中，可選地，所述方法還包括：

利用所述神經(jīng)網(wǎng)絡(luò)對(duì)源域圖像進(jìn)行處理，得到處理結(jié)果；

根據(jù)得到的處理結(jié)果和源域圖像的標(biāo)注結(jié)果，調(diào)整所述神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)。

上述方案中，可選地，所述確定源域圖像的多個(gè)第一候選區(qū)域和目標(biāo)域圖像的多個(gè)第二候選區(qū)域，包括：

基于源域圖像得到關(guān)于所述源域圖像的第一特征表示，根據(jù)所述第一特征表示確定所述源域圖像的多個(gè)第一候選區(qū)域；

基于目標(biāo)域圖像得到關(guān)于所述目標(biāo)域圖像的第二特征表示，根據(jù)所述第二特征表示確定所述目標(biāo)域圖像的多個(gè)第二候選區(qū)域。

上述方案中，可選地，在根據(jù)所述第一特征表示確定所述源域圖像的多個(gè)第一候選區(qū)域，根據(jù)所述第二特征表示確定所述目標(biāo)域圖像的多個(gè)第二候選區(qū)域之后，所述方法還包括：

對(duì)所述源域圖像的第一特征表示和所述源域圖像的多個(gè)第一候選區(qū)域進(jìn)行池化處理，以使得各個(gè)第一候選區(qū)域的特征的維度相同；

對(duì)所述目標(biāo)域圖像的第二特征表示和所述目標(biāo)域圖像的多個(gè)第二候選區(qū)域進(jìn)行池化處理，以使得各個(gè)第二候選區(qū)域的特征的維度相同；

其中，在進(jìn)行池化處理后，第一候選區(qū)域的特征的維度與第二候選區(qū)域的特征的維度相同。

上述方案中，可選地，所述分別對(duì)所述多個(gè)第一候選區(qū)域和所述多個(gè)第二候選區(qū)域進(jìn)行聚類處理，得到第一局部區(qū)域和第二局部區(qū)域，包括：

對(duì)所述多個(gè)第一候選區(qū)域進(jìn)行聚類處理，得到K個(gè)第一聚類中心；其中，所述K為正整數(shù)；

根據(jù)各個(gè)第一聚類中心，確定各個(gè)第一局部區(qū)域；

對(duì)所述多個(gè)第二候選區(qū)域進(jìn)行聚類處理，得到K個(gè)第二聚類中心；

根據(jù)各個(gè)第二聚類中心，確定各個(gè)第二局部區(qū)域；

根據(jù)所述第一局部區(qū)域的特征和所述第二局部區(qū)域的特征確定損失值，包括：