[发明专利]一种基于神经网络的图像检测方法及装置

权利要求书

1.一种基于神经网络模型的图像检测方法，其特征在于，包括：

获得待检测图像；

利用预先训练所得的目标神经网络模型的每一卷积块，对所述待检测图像进行卷积操作及特征重标定操作，确定所述待检测图像对应的目标特征图，其中，所述特征重标定操作为：将所对应卷积块包含的每一通道对应的权重值，与每一通道对应的卷积操作后所得的特征图相乘的操作；每一通道对应的权重值用于表征所对应通道的重要程度，每一通道对应的权重值为：根据该通道对应的目标子权重值或目标子压缩值确定的值，该通道对应的目标子权重值或目标子压缩值为：基于训练得到所述目标神经网络模型的样本图像确定的值；

利用所述目标神经网络模型的全连接层以及所述目标特征图，确定所述待检测图像对应的检测结果。

2.如权利要求1所述的方法，其特征在于，所述利用预先训练所得的目标神经网络模型的每一卷积块，对所述待检测图像进行卷积操作及特征重标定操作，确定所述待检测图像对应的目标特征图的步骤，包括：

利用预先建立的目标神经网络模型的每一卷积块，执行如下操作，确定所述待检测图像对应的目标特征图；

将所述待检测图像或所述待检测图像对应的当前特征图，输入当前卷积块，其中，所述当前卷积块为所述目标神经网络模型的卷积块中的一个，若所述当前卷积块为所述目标神经网络模型的第一个卷积块，所述当前卷积块的输入为所述待检测图像；若所述当前卷积块为所述目标神经网络模型的非第一个卷积块，所述当前卷积块的输入为：所述待检测图像对应的当前特征图，且为所述当前卷积块的前一个卷积块的输出；

基于所述当前卷积块所包含的通道对应的卷积核，对所述待检测图像或所述待检测图像对应的当前特征图进行图像特征提取，确定所述当前卷积块包含的各通道对应的特征图；

针对所述当前卷积块包含的每一通道，将所述通道对应的权重值，以及该通道对应的特征图相乘，确定所述当前卷积块包含的每一通道对应的特征重标定之后的特征图，作为所述待检测图像对应的新的当前特征图；

若所述当前卷积块不为所述目标神经网络模型的最后一个卷积块，将所述当前卷积块的下一个卷积块确定为新的当前卷积块，返回执行所述将所述待检测图像或所述待检测图像对应的当前特征图，输入当前卷积块的步骤；

若所述当前卷积块为所述目标神经网络模型的最后一个卷积块，将所述待检测图像对应的新的当前特征图，确定为所述待检测图像对应的目标特征图。