[发明专利]图片检测网络训练方法及图片检测网络训练装置

说明书

本发明提供一种图片检测网络训练方法及图片检测网络训练装置，涉及图片检测领域。该图片检测网络训练方法包括：采用深度神经网络提取待预测图片的特征，生成多个融合尺度的特征图；根据所述多个融合尺度的特征图，识别所述待预测图片中的物体参数；根据识别出的所述物体参数、所述待预测图片的预设物体参数以及损失函数，确定损失值；根据所述损失值，采用预设方法优化所述深度神经网络，得到优化后的深度神经网络，所述优化后的深度神经网络用于识别图片中的物体参数。实现了识别图片时兼顾图片中的整体和细节，检测快速、准确，检测效果好、效率高。

技术领域

本发明涉及图片检测技术领域，具体而言，涉及图片检测网络训练方法及图片检测网络训练装置。

背景技术

随着互联网技术的不断发展，网络中的大量多媒体信息，如视频、图片和音频等，广泛地存在于各个网络平台。互联网公司的核心优势，也由技术逐步转换为数据，数据只有在加工后才能体现其价值，其中，图片作为最广泛存在的网络流媒体中的数据，对图片进行标注是数据加工的重点。

现有技术中，自动化图片标注依赖于物体检测算法，例如区域卷积神经网络特征(Regions with CNN features，RCNN)等，这些算法中，一般采取两个检测阶段，先检测图片中可能存在物体的框，再检测该物体框中物体的类别。

但是现有算法只使用一张特征图，因此无法兼顾图片的整体和细节，只能检测较大和完整的物体，对于一些较小或者被遮挡的物体检测效果较差，而且检测效率很低。

发明内容

本发明的目的在于，针对上述现有技术中的不足，提供一种基于图片的特征网络训练方法及图片检测网络训练装置，以解决图片检测过程中无法兼顾图片的整体和细节，检测效果差、检测效率低的问题。

为实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了图片检测网络训练方法，包括：采用深度神经网络提取待预测图片的特征，生成多个融合尺度的特征图。根据多个融合尺度的特征图，识别待预测图片中的物体参数。根据识别出的物体参数、待预测图片的预设物体参数以及损失函数，确定损失值。根据损失值，采用预设方法优化深度神经网络，得到优化后的深度神经网络，优化后的深度神经网络用于识别图片中的物体参数。

进一步地，采用深度神经网络提取待预测图片的特征，生成多个融合尺度的特征图包括：采用深度神经网络对待预测图片进行多次卷积操作，获取多个不同尺度的特征图。采用深度神经网络将多个不同尺度的特征图进行处理后拼接，生成多个融合尺度的特征图。

进一步地，深度神经网络将多个不同尺度的特征图进行处理后拼接，生成多个融合尺度的特征图，包括：将多个不同尺度的特征图中的第一特征图插值扩大至与第二特征图尺度相同，生成第三特征图，将第二特征图和第三特征图拼接，生成第四特征图，其中，第一特征图为最小尺度特征图，第二特征图与第一特征图尺度不同。将第一特征图插值扩大至与第五特征图尺度相同，生成第六特征图，将第五特征图和第六特征图拼接，生成第七特征图，其中，第五特征图与第一特征图和第二特征图尺度不同。将第一特征图、第四特征图和第七特征图输出至深度神经网络。

可选的，在采用深度神经网络提取待预测图片的特征，生成多个融合尺度的特征图之前，还包括：将原始图片调整为预设尺寸，生成调整后的图片。标记调整后的图片中的物体参数。将调整后的图片、调整后图片中的物体参数关联后存入图片数据库，其中，调整后的图片为待预测图片，调整后图片中的物体参数为待预测图片的预设物体参数。

进一步地，根据多个融合尺度的特征图，识别待预测图片中的物体参数，包括：根据第一特征图、第四特征图和第七特征图的尺度，分别划分多个网格。在每个网格中预设多个不同尺寸的锚框，并根据每个不同尺寸的锚框生成与第一特征图、第四特征图和第七特征图尺度对应的预测点，其中，每个预测点包括识别出的物体参数。