[发明专利]利用掩蔽参数的方法和装置

权利要求书

1.一种利用一个以上掩蔽参数池化至少一个感兴趣区域的学习方法，其中，该学习方法包括以下步骤：

步骤(a)、获取输入图像后，计算装置使卷积神经网络的卷积层产生与所述输入图像相对应的特征图；

步骤(b)、所述计算装置使所述卷积神经网络的区域建议网络(RegionProposalNetwork，RPN)通过所述特征图决定与所述输入图像所包含的至少一个对象相对应的感兴趣区域；以及

步骤(c)、所述计算装置将所述卷积神经网络的感兴趣区域池化层参照对应每个池化计算的每个所述掩蔽参数，且将每个所述池化计算适用于所述感兴趣区域内的每个子区域，形成已掩蔽的池化特征图；

步骤(d)、所述计算装置使所述卷积神经网络的输出层，将神经网络计算适用在所述已掩蔽的池化特征图，从而形成卷积神经网络输出值；以及

步骤(e)、所述计算装置使损耗层参照所述卷积神经网络输出值及与其相对应的正确的标注数据(Ground Truth，GT)，从而形成损耗值，并将所述损耗值反向传播，从而学习所述感兴趣区域池化层的所述掩蔽参数。

2.根据权利要求1所述的学习方法，其中，每个所述掩蔽参数由第一值或第二值中一个来确定，且所述步骤(c)中，所述计算装置将所述感兴趣区域池化层参照每个所述掩蔽参数是所述第一值，还是所述第二值的信息，将每个所述池化计算适用于所述感兴趣区域内的每个所述子区域，形成已掩蔽的池化特征图。

3.根据权利要求2所述的学习方法，其中，所述计算装置使所述感兴趣区域池化层，对与所述第一值的掩蔽参数相对应位置存在的部分特征值，不适用所述池化计算。

4.根据权利要求1所述的学习方法，其中，所述步骤(e)中，所述计算装置将所述损耗值反向传播，从而进一步学习所述卷积层及所述输出层所包含的至少一部分参数。

5.根据权利要求1所述的学习方法，其中，每个所述掩蔽参数由第一值或第二值中一个来确定；

所述(c)步骤中，计算装置使所述感兴趣区域池化层参照每个所述掩蔽参数是所述第一值，还是所述第二值的信息，将每个所述池化计算适用在所述感兴趣区域内的每个所述子区域，并形成已掩蔽的池化特征图；

所述(c)步骤中，所述计算装置将所述感兴趣区域池化层以所述已掩蔽的池化特征图的每个成分，输出每个代表特征值；

每个所述代表特征值，按所述感兴趣区域内每个相对应的所述子区域计算每个特征值的平均值时，只对与所述第二值的掩蔽参数相对应的位置存在的部分特征值，按所述子区域计算每个平均值，并将每个平均值确定为按所述子区域的所述代表特征值。

6.根据权利要求1所述的学习方法，其中，每个所述掩蔽参数由第一值或第二值中一个来确定；

所述步骤(c)中，所述计算装置使所述感兴趣区域池化层参照每个所述掩蔽参数是所述第一值，还是所述第二值的信息，将每个所述池化计算适用在所述感兴趣区域内的每个所述子区域，并形成已掩蔽的池化特征图；

所述步骤(c)中，所述计算装置将所述感兴趣区域池化层以所述已掩蔽的池化特征图的每个成分，输出每个代表特征值；

每个所述代表特征值，按所述感兴趣区域内每个相对应的所述子区域计算每个特征值的平均值时，只对与所述第二值的掩蔽参数相对应的位置存在的部分特征值，按所述子区域计算每个最大值，并将每个最大值确定为按所述子区域的所述代表特征值。