[发明专利]卷积神经网络的处理方法、装置和电子设备

权利要求书

1.一种卷积神经网络的处理方法，其特征在于，包括：

简化已训练完成的第一卷积神经网络，获得第二卷积神经网络，所述第一卷积神经网络和第二卷积神经网络均用于图像处理；

分别通过第一卷积神经网络和第二卷积神经网络检测第一训练样本数据，获得所述第一卷积神经网络输出的第一检测数据和所述第二卷积神经网络输出的第二检测数据，所述第一训练样本数据包括第一图像数据；

确定所述第一检测数据和所述第二检测数据之间的第一差异，并且确定所述第二检测数据和所述第一训练样本数据的标注数据之间的第二差异；

根据所述第一差异和所述第二差异调整所述第二卷积神经网络的网络参数。

2.根据权利要求1所述的方法，其中，在简化已训练完成的第一卷积神经网络之前，还包括：

使用带标注的第二训练样本数据，调整所述第一卷积神经网络的网络参数，以完成所述第一卷积神经网络的训练，所述第二训练样本数据包括第二图像数据。

3.根据权利要求1或2所述的方法，其中，所述简化已训练完成的第一卷积神经网络，获得第二卷积神经网络，包括：

减小所述第一卷积神经网络中至少一卷积层的卷积核的个数，获得所述第二卷积神经网络。

4.根据权利要求3所述的方法，其中，所述减小所述第一卷积神经网络中至少一卷积层的卷积核的个数，获得所述第二卷积神经网络，包括：

减小所述第一卷积神经网络中各卷积层的卷积核的个数，获得所述第二卷积神经网络。

5.根据权利要求1~2中任一项所述的方法，其中，所述根据所述第一差异和所述第二差异调整所述第二卷积神经网络的网络参数包括：

分别对所述第一差异和所述第二差异进行加权处理；

根据加权处理后的第一差异和第二差异调整所述第二卷积神经网络的网络参数。

6.一种物体检测方法，包括：

获取待检测图像；

采用如权利要求1~5中任一项所述的处理方法训练得到的第二卷积神经网络检测所述待检测图像中的目标对象。

7.根据权利要求6所述的方法，其中，所述待检测图像为待检测的视频帧或静态图像。

8.根据权利要求6所述的方法，其中，所述目标对象是人脸、行人或车辆。

9.一种卷积神经网络的处理装置，其特征在于，包括：

网络简化模块，用于简化已训练完成的第一卷积神经网络，获得第二卷积神经网络，所述第一卷积神经网络和第二卷积神经网络均用于图像处理；

检测数据获取模块，用于分别通过第一卷积神经网络和第二卷积神经网络检测第一训练样本数据，获得所述第一卷积神经网络输出的第一检测数据和所述第二卷积神经网络输出的第二检测数据，所述第一训练样本数据包括第一图像数据；

第一差异获取模块，用于确定所述第一检测数据和所述第二检测数据之间的第一差异；

第二差异获取模块，用于确定所述第二检测数据和所述第一训练样本数据的标注数据之间的第二差异；

参数调整模块，用于根据所述第一差异和所述第二差异调整所述第二卷积神经网络的网络参数。

10.根据权利要求9所述的装置，其中，所述装置还包括：

第一网络训练模块，用于使用带标注的第二训练样本数据，调整所述第一卷积神经网络的网络参数，以完成所述第一卷积神经网络的训练，所述第二训练样本数据包括第二图像数据。

11.根据权利要求9或10所述的装置，其中，所述网络简化模块用于减小所述第一卷积神经网络中至少一卷积层的卷积核的个数，获得所述第二卷积神经网络。

12.根据权利要求11所述的装置，其中，所述网络简化模块用于减小所述第一卷积神经网络中各卷积层的卷积核的个数，获得所述第二卷积神经网络。