[發明專利]圖像識別網絡生成方法及裝置、存儲介質及電子設備

在審

• 申請號: 202010789105.5
• 申請日: 2020-08-07
• 公開（公告）號: CN112288074A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 王亞昆;周小三;劉藝飛;杜舒舒
• 申請（專利權）人: 京東安聯財產保險有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王輝;闞梓瑄

本公開提供一種圖像識別網絡生成方法及裝置、計算機可讀存儲介質及電子設備；涉及神經網絡技術領域。所述方法包括：獲取各原始圖像及對應的標注文件，所述標注文件包括對所述原始圖像的標注信息；依據所述標注信息得到所述原始圖像的掩膜圖像及類型標簽，將所述原始圖像、所述掩膜圖像及所述類型標簽作為訓練數據，并基于所述訓練數據對預搭建的神經網絡進行訓練，得到所述圖像識別網絡；其中，所述預搭建的神經網絡的輸出層包括所述原始圖像的掩膜輸出及類別輸出。本公開在網絡訓練時，可以通過利用標注信息實現細粒度的檢測分類，提高圖像識別網絡的準確度和泛化性能，還可以簡化檢測流程，提高效率。

技術領域

本公開涉及神經網絡技術領域，具體而言，涉及圖像識別網絡生成方法、圖像識別網絡生成裝置、圖像識別方法、圖像識別裝置、電子設備以及計算機可讀存儲介質。

背景技術

神經網絡特有的非線性適應性信息處理能力克服了傳統人工智能方法在處理直覺及非結構化信息等方面的缺陷，具有自適應、自組織和實時學習的特點，使得其在專家系統、模式識別、智能控制、組合優化、預測等領域得到了廣泛的應用。

神經網絡的訓練對其應用有著重要的作用，適當的網絡結構及訓練算法可以得到準確度及泛化性能較好的神經網絡，進而可以更好的完成對應的識別及分類等任務。

目前用于圖像識別的神經網絡存在信息利用不充分或檢測流程繁瑣等問題，因而，需要針對這一問題提供一種圖像識別網絡生成方法，該方法在進行網絡訓練時，既可以對標注信息充分利用，又可以保證端對端的檢測，因而可以提高網絡的準確度和泛化性能，且可以簡化檢測流程，提高檢測效率。

上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開實施例提供圖像識別網絡生成方法及裝置、圖像識別方法及裝置、電子設備以及計算機可讀存儲介質，可以實現在進行網絡訓練時，既可以對標注信息充分利用，又可以保證端對端的檢測，進而可以提高網絡的準確度和泛化性能，簡化檢測流程，提高檢測效率。

根據本公開的第一方面，提供一種圖像識別網絡生成方法，包括：

獲取各原始圖像及對應的標注文件，所述標注文件包括對所述原始圖像的標注信息；

依據所述標注信息得到所述原始圖像的掩膜圖像及類型標簽，將所述原始圖像、所述掩膜圖像及所述類型標簽作為訓練數據，并基于所述訓練數據對預搭建的神經網絡進行訓練，得到所述圖像識別網絡；

其中，所述預搭建的神經網絡的輸出層包括所述原始圖像的掩膜輸出及類別輸出。

在本公開的一種示例性實施例中，所述標注信息包括對所述原始圖像的有效區域及類型進行的標注，所述有效區域包括待識別區域，所述待識別區域包含所述原始圖像的類別特征。

在本公開的一種示例性實施例中，所述依據所述標注信息得到所述原始圖像的掩膜圖像，包括：

依據所述標注信息獲取對所述有效區域及所述待識別區域的點標注，并基于所述點標注獲取所述原始圖像的掩膜圖像。

在本公開的一種示例性實施例中，所述基于所述訓練數據對預搭建的神經網絡進行訓練，得到所述圖像識別網絡，包括：

通過所述預搭建的神經網絡的卷積層對所述原始圖像進行特征提取，得到多個尺度特征圖；

對各所述尺度特征圖進行特征融合及歸一化處理，得到所述原始圖像的預測類別；

對各所述尺度特征圖進行向上采樣，得到與所述原始圖像尺度相同的掩膜輸出；

依據所述預測類別和所述類型標簽，以及所述掩膜輸出及所述掩膜圖像對所述預搭建的神經網絡進行參數迭代，直至得到所述圖像識別網絡。