[发明专利]一种卷积神经网络训练方法及装置

权利要求书

1.一种卷积神经网络训练方法，其特征在于，所述方法包括：

获取待分割图像以及所述待分割图像的标准分割图像；

根据所述标准分割图像各像素携带的类别标签对应的颜色获取所述标准分割图像的纹理特征；不同的所述类别标签对应不同的颜色；

将所述待分割图像输入到待训练卷积神经网络进行图像分割，得到训练分割图像；

根据所述训练分割图像各像素携带的类别标签对应的颜色获取所述训练分割图像的纹理特征；

根据所述训练分割图像的纹理特征与所述标准分割图像的纹理特征之间的差异，以及所述训练分割图像与所述标准分割图像之间各像素的类别标签差异对所述待训练卷积神经网络进行训练，得到目标卷积神经网络。

2.根据权利要求1所述的方法，其特征在于，所述根据所述训练分割图像的纹理特征与所述标准分割图像的纹理特征之间的差异，以及所述训练分割图像与所述标准分割图像之间各像素的类别标签差异对所述待训练卷积神经网络进行训练，包括：

根据所述训练分割图像的纹理特征与所述标准分割图像的纹理特征之间的差异，以及所述训练分割图像与所述标准分割图像的之间的各像素的类别标签差异，得到所述待训练卷积神经网络的损失函数的值，根据所述损失函数的值更新所述待训练卷积神经网络的模型参数。

3.根据权利要求2所述的方法，其特征在于，所述根据所述训练分割图像的纹理特征与所述标准分割图像的纹理特征之间的差异，以及所述训练分割图像与所述标准分割图像的之间的各像素的类别差异，得到所述待训练卷积神经网络的损失函数的值，包括：

对所述训练分割图像的纹理特征与所述标准分割图像的纹理特征之间的差异，以及所述训练分割图像与所述标准分割图像的之间的各像素的类别差异进行加权求和，得到所述待训练卷积神经网络的损失函数的值。

4.根据权利要求1所述的方法，其特征在于，所述根据所述标准分割图像各像素携带的类别标签对应的颜色获取所述标准分割图像的纹理特征，包括：

根据所述标准分割图像各像素携带的类别标签对应的灰度值得到所述标准分割图像的灰度共生矩阵，根据所述标准分割图像的灰度共生矩阵计算所述标准分割图像的熵；

所述根据所述训练分割图像各像素携带的类别标签对应的颜色获取所述标准分割图像的纹理特征，包括：

根据所述训练分割图像各像素携带的类别标签对应的灰度值得到所述训练分割图像的灰度共生矩阵，根据所述训练分割图像的灰度共生矩阵计算所述训练分割图像的熵；

所述根据所述训练分割图像的纹理特征与所述标准分割图像的纹理特征之间的差异，以及所述训练分割图像与所述标准分割图像之间各像素的类别标签差异对所述待训练卷积神经网络进行训练，包括：

根据所述训练分割图像的熵与所述标准分割图像的熵之间的差异，以及所述训练分割图像与所述标准分割图像之间各像素的类别标签差异对所述待训练卷积神经网络进行训练。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

预先设置对待训练卷积神经网络进行训练的训练轮数；

所述对所述待训练卷积神经网络进行训练包括：

根据所述训练轮数对所述待训练卷积神经网络进行训练。

6.一种卷积神经网络训练装置，其特征在于，所述装置包括：

第一图像获取单元，用于获取待分割图像以及所述待分割图像的标准分割图像；

第一纹理特征获取单元，用于根据所述标准分割图像各像素携带的类别标签对应的颜色获取所述标准分割图像的纹理特征；不同的所述类别标签对应不同的颜色；

第二图像获取单元，用于将所述待分割图像输入到待训练卷积神经网络进行图像分割，得到训练分割图像；

第二纹理特征获取单元，用于根据所述训练分割图像各像素携带的类别标签对应的颜色获取所述训练分割图像的纹理特征；

训练单元，用于根据所述训练分割图像的纹理特征与所述标准分割图像的纹理特征之间的差异，以及所述训练分割图像与所述标准分割图像之间各像素的类别标签差异对所述待训练卷积神经网络进行训练，得到目标卷积神经网络。