[发明专利]训练用于跑冒滴漏检测的全连接分类网络的方法及装置

权利要求书

1.一种训练用于跑冒滴漏检测的全连接分类网络的方法，其特征在于，所述方法包括：

使用样本图像通过迁移学习确定网络参数；

根据所述网络参数初始化卷积神经网络和区域建议网络；

根据所述区域建议网络训练所述卷积神经网络；

根据训练后的卷积神经网络优化所述区域建议网络；以及

根据所述样本图像的样本特征图和所述样本图像的候选边界框训练全连接分类网络；

其中，所述样本图像的候选边界框是通过优化后的区域建议网络提取的；

其中根据所述区域建议网络训练所述卷积神经网络，包括：使用所述区域建议网络生成第一训练区域；以及基于所述第一训练区域训练所述卷积神经网络；

其中根据训练后的卷积神经网络优化所述区域建议网络，包括：根据训练后的卷积神经网络训练所述区域建议网络；使用训练后的区域建议网络生成第二训练区域；以及根据训练后的区域建议网络和所述第二训练区域优化所述区域建议网络。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：在根据所述样本图像的样本特征图和所述样本图像的候选框训练全连接分类网络步骤之前，

将经过区域池化层处理的所述样本图像的候选边界框输入至全连接分类网络，并且输出目标分类以及边界框位置；

根据坐标修正量调整所述边界框位置；以及

根据偏差样本过滤法筛选调整后的样本图像的候选边界框，确定所述样本图像的新的候选边界框。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述样本图像的样本特征图和所述样本图像的新的候选边界框更新全连接分类网络；

循环执行以下步骤直至所述坐标修正量为预设值：将经过区域池化层处理的样本图像的候选边界框输入至全连接分类网络，输出目标分类，以及输出边界框位置。

4.一种用于跑冒滴漏检测的方法，其特征在于，所述方法包括：

通过使用由权利要求1-3中的任一项所述的方法得到的训练后的全连接分类网络识别目标的待检测图像的边界框，以确定跑冒滴漏检测结果。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

根据预设规则挖取所述待检测图像的边界框；以及

显示挖取的边界框。

6.一种训练用于跑冒滴漏检测的全连接分类网络的装置，其特征在于，所述装置包括：

确定模块，用于使用样本图像通过迁移学习确定网络参数；

初始化模块，用于根据所述网络参数初始化卷积神经网络和区域建议网络；

第一训练模块，用于根据所述区域建议网络训练所述卷积神经网络；

优化模块，用于根据训练后的卷积神经网络优化所述区域建议网络；以及

第二训练模块，用于根据所述样本图像的样本特征图和所述样本图像的候选边界框训练全连接分类网络；

其中，所述样本图像的候选边界框是通过优化后的区域建议网络提取的；

其中根据所述区域建议网络训练所述卷积神经网络，包括：使用所述区域建议网络生成第一训练区域；以及基于所述第一训练区域训练所述卷积神经网络；

其中根据训练后的卷积神经网络优化所述区域建议网络，包括：根据训练后的卷积神经网络训练所述区域建议网络；使用训练后的区域建议网络生成第二训练区域；以及根据训练后的区域建议网络和所述第二训练区域优化所述区域建议网络。

7.一种用于跑冒滴漏检测的装置，其特征在于，所述装置包括：识别模块，用于通过使用由权利要求6所述的装置得到的训练后的全连接分类网络识别目标的待检测图像的边界框，以确定跑冒滴漏检测结果。