[發明專利]安檢圖像分類模型訓練方法、安檢圖像分類方法及裝置

在審

• 申請號: 202111575378.0
• 申請日: 2021-12-22
• 公開（公告）號: CN113963220A
• 公開（公告）日: 2022-01-21
• 發明（設計）人: 閆瑞海
• 申請（專利權）人: 熵基科技股份有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/46;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 吳欣蔚

本申請公開了安檢圖像分類模型訓練方法、安檢圖像分類方法及裝置，安檢圖像分類模型包括第一網絡結構和第二網絡結構；安檢圖像分類模型的訓練過程，通過獲取已標注標簽的安檢訓練圖像；利用第一網絡結構提取特征圖，并基于提取的特征圖預測第一分類結果；基于第一分類結果及標簽，計算第一網絡結構的第一損失；利用第二網絡結構對特征圖進行形狀特征提取，得到形狀特征圖，并基于形狀特征圖預測第二分類結果；基于第二分類結果及標簽，計算第二網絡結構的第二損失；基于第一損失及所述第二損失，計算安檢圖像分類模型的總損失，并基于總損失調整安檢圖像分類模型的網絡參數，直至達到設定訓練結束條件為止，得到訓練后的安檢圖像分類模型。

技術領域

本申請涉及分類領域，更具體地說，涉及一種安檢圖像分類模型訓練方法、安檢圖像分類方法及裝置。

背景技術

越來越多人選擇地鐵和高鐵作為出行方式，而不管是選擇高鐵還是地鐵，人們在進站前都需要進行安檢，以保證人們的出行安全。此外，網購的便捷，導致人們越來越愿意網上購物，包裹數量急劇增多，在包裹的運輸過程中，也需要進行安檢，以保證社會安全。因而，安檢技術成為了人們關注的焦點。特別地，在行李和包裹中一般存在多件物品，基于此，在安檢機所采集到的安檢圖像中的各個物品圖像之間易存在交疊，即，危險品圖像及普通物品圖像在安檢圖像中易存在重疊，這為安檢技術帶來了較大的挑戰。

基于此，為了解決上述的問題，可以引入能夠分辨安檢圖像中各個重疊物品類別的分類模型，對安檢圖像進行分類。其中，分類模型的準確率是能否分辨安檢圖像中各個重疊物品類別的關鍵，因而，亟需一種分類模型的訓練方法，用于在安檢圖像訓練數據集上進行訓練，能夠提高神經網絡的準確率，以保證安檢過程中能夠分辨各個重疊物品類別，并以此為依據進行安檢圖像分類。

發明內容

有鑒于此，本申請提供了一種安檢圖像分類模型訓練方法、安檢圖像分類方法及裝置，用于在安檢圖像訓練數據集上進行訓練，以保證安檢過程中能夠分辨各個重疊物品類別，并以此為依據進行安檢圖像分類。

為了實現上述目的，現提出的方案如下：

一種安檢圖像分類模型訓練方法，安檢圖像分類模型包括第一網絡結構和第二網絡結構；

所述安檢圖像分類模型的訓練過程，包括：

獲取已標注分類結果標簽的安檢訓練圖像；

利用所述第一網絡結構提取所述安檢訓練圖像的特征圖，并基于提取的特征圖預測安檢訓練圖像的第一分類結果；

基于所述第一分類結果及所述安檢訓練圖像標注的分類結果標簽，計算第一網絡結構的第一損失；

利用所述第二網絡結構對所述第一網絡結構提取的特征圖進行形狀特征提取，得到形狀特征圖，并基于所述形狀特征圖預測安檢訓練圖像的第二分類結果；

基于所述第二分類結果及所述安檢訓練圖像標注的分類結果標簽，計算第二網絡結構的第二損失；

基于所述第一損失及所述第二損失，計算安檢圖像分類模型的總損失，并基于所述總損失調整所述安檢圖像分類模型的網絡參數，直至達到設定訓練結束條件為止，得到訓練后的安檢圖像分類模型。

優選地，所述第二網絡結構包括形狀特征提取層；

利用所述第二網絡結構對所述第一網絡結構提取的特征圖進行形狀特征提取，包括：

利用所述形狀特征提取層對所述第一網絡結構提取的特征圖進行形狀特征提取，其中，所述形狀特征提取層，利用邊緣檢測算子對所述第一網絡結構提取的特征圖進行形狀特征提取。

優選地，所述邊緣檢測算子包括Sobel算子；

利用邊緣檢測算子對所述第一網絡結構提取的特征圖進行形狀特征提取，包括：

利用Sobel算子對所述第一網絡結構提取的特征圖進行水平方向形狀特征提取，得到水平形狀特征圖；

利用Sobel算子對所述第一網絡結構提取的特征圖進行豎直方向形狀特征提取，得到豎直形狀特征圖；