[发明专利]一种基于神经网络的图像检测方法及装置

说明书

本发明实施例公开一种基于神经网络模型的图像检测方法及装置。该方法包括：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，对待检测图像进行卷积操作及特征重标定操作，确定待检测图像对应的目标特征图，其中，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；利用目标神经网络模型的全连接层以及目标特征图，确定待检测图像对应的检测结果，以在保证依照每个通道的重要程度提升图像对应的特征图中有用的特征并抑制用处不大的特征的同时，在一定程度上降低利用网络的检测过程所消耗的时间以及资源。

技术领域

本发明涉及图像检测技术领域，具体而言，涉及一种基于神经网络的图像检测方法及装置。

背景技术

目前，在利用训练好的包含SE(Squeeze-and-Excitation，压缩和激励)块的神经网络模型，对图像进行检测时，在图像或其对应的特征图经过当前卷积块之后，且进入当前卷积块的下一个块之前，都需要经过SE块，以确定出经过当前卷积块后得到的多个特征图中每一个特征图所在通道的重要程度；其中，一个卷积块可以包括至少一个卷积层，还可以包括非线性层和/或下采样层，其中，该当前卷积块的下一个块可以为：当前卷积块的下一个卷积块或神经网络模型的全连接层所在块；进而，基于该经过当前卷积块后得到的多个特征图以及其中每一个特征图所在通道的重要程度，确定出各重标定之后的特征图，其中，重标定之后的特征图可以表征其所对应通道的重要程度，将重标定之后的特征图作为当前卷积块的下一个块的输入；进而得到训练好的包含SE块的神经网络模型针对图像的检测结果。

可见，上述过程中，在实际图像检测过程中，均需要通过SE块，利用图像对应的特征图实现对特征图所在通道的重要程度的确定，这在一定程度上增加了图像检测所需时间以及消耗的资源。

发明内容

本发明提供了一种基于神经网络的图像检测方法及装置，以实现在保证依照每个通道的重要程度提升图像对应的特征图中有用的特征并抑制用处不大的特征的同时，在一定程度上降低利用网络的检测过程所消耗的时间以及资源。具体的技术方案如下。

第一方面，本发明实施例提供了一种基于神经网络模型的图像检测方法，该方法包括：

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。

可选的，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；