[發明專利]利用掩蔽參數的方法和裝置

有效

• 申請號: 202010065642.5
• 申請日: 2020-01-20
• 公開（公告）號: CN111476343B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 金桂賢;金镕重;金寅洙;金鶴京;南云鉉;夫碩焄;成明哲;呂東勛;柳宇宙;張泰雄;鄭景中;諸泓模;趙浩辰
• 申請（專利權）人: 斯特拉德視覺公司
• 主分類號: G06N3/0464
• 分類號: G06N3/0464;G06N3/084
• 代理公司: 上海翼勝專利商標事務所(普通合伙) 31218
• 代理人: 翟羽

1.一種利用一個以上掩蔽參數池化至少一個感興趣區域的學習方法，其中，該學習方法包括以下步驟：

步驟(a)、獲取輸入圖像后，計算裝置使卷積神經網絡的卷積層產生與所述輸入圖像相對應的特征圖；

步驟(b)、所述計算裝置使所述卷積神經網絡的區域建議網絡(RegionProposalNetwork，RPN)通過所述特征圖決定與所述輸入圖像所包含的至少一個對象相對應的感興趣區域；以及

步驟(c)、所述計算裝置將所述卷積神經網絡的感興趣區域池化層參照對應每個池化計算的每個所述掩蔽參數，且將每個所述池化計算適用于所述感興趣區域內的每個子區域，形成已掩蔽的池化特征圖；

步驟(d)、所述計算裝置使所述卷積神經網絡的輸出層，將神經網絡計算適用在所述已掩蔽的池化特征圖，從而形成卷積神經網絡輸出值；以及

步驟(e)、所述計算裝置使損耗層參照所述卷積神經網絡輸出值及與其相對應的正確的標注數據(Ground?Truth，GT)，從而形成損耗值，并將所述損耗值反向傳播，從而學習所述感興趣區域池化層的所述掩蔽參數。

2.根據權利要求1所述的學習方法，其中，每個所述掩蔽參數由第一值或第二值中一個來確定，且所述步驟(c)中，所述計算裝置將所述感興趣區域池化層參照每個所述掩蔽參數是所述第一值，還是所述第二值的信息，將每個所述池化計算適用于所述感興趣區域內的每個所述子區域，形成已掩蔽的池化特征圖。

3.根據權利要求2所述的學習方法，其中，所述計算裝置使所述感興趣區域池化層，對與所述第一值的掩蔽參數相對應位置存在的部分特征值，不適用所述池化計算。

4.根據權利要求1所述的學習方法，其中，所述步驟(e)中，所述計算裝置將所述損耗值反向傳播，從而進一步學習所述卷積層及所述輸出層所包含的至少一部分參數。

5.根據權利要求1所述的學習方法，其中，每個所述掩蔽參數由第一值或第二值中一個來確定；

所述(c)步驟中，計算裝置使所述感興趣區域池化層參照每個所述掩蔽參數是所述第一值，還是所述第二值的信息，將每個所述池化計算適用在所述感興趣區域內的每個所述子區域，并形成已掩蔽的池化特征圖；

所述(c)步驟中，所述計算裝置將所述感興趣區域池化層以所述已掩蔽的池化特征圖的每個成分，輸出每個代表特征值；

每個所述代表特征值，按所述感興趣區域內每個相對應的所述子區域計算每個特征值的平均值時，只對與所述第二值的掩蔽參數相對應的位置存在的部分特征值，按所述子區域計算每個平均值，并將每個平均值確定為按所述子區域的所述代表特征值。

6.根據權利要求1所述的學習方法，其中，每個所述掩蔽參數由第一值或第二值中一個來確定；

所述步驟(c)中，所述計算裝置使所述感興趣區域池化層參照每個所述掩蔽參數是所述第一值，還是所述第二值的信息，將每個所述池化計算適用在所述感興趣區域內的每個所述子區域，并形成已掩蔽的池化特征圖；

所述步驟(c)中，所述計算裝置將所述感興趣區域池化層以所述已掩蔽的池化特征圖的每個成分，輸出每個代表特征值；

每個所述代表特征值，按所述感興趣區域內每個相對應的所述子區域計算每個特征值的平均值時，只對與所述第二值的掩蔽參數相對應的位置存在的部分特征值，按所述子區域計算每個最大值，并將每個最大值確定為按所述子區域的所述代表特征值。