[发明专利]一种采样框的生成方法、训练方法以及神经网络

权利要求书

1.一种采样框的生成方法，其特征在于，所述方法包括：

获得包含对象的待处理图像；

利用预设的神经网络对所述待处理图像进行特征提取，获得尺度各不相同的多个特征图像；

利用所述神经网络在每个所述特征图像中生成每个所述对象的采样框，并将所述采样框按对应尺度还原到所述待处理图像中；

对所述待处理图像中的各采样框进行去重，以为每个所述对象留下一个框住该对象的采样框。

2.根据权利要求1所述的采样框的生成方法，其特征在于，利用预设的神经网络对所述待处理图像进行特征提取，获得尺度各不相同的多个特征图像，包括：

利用所述神经网络对所述待处理图像依次进行卷积、第一特征提取处理、第二特征提取处理以及下采样，获得所述多个特征图像，其中，所述第一特征提取处理用于缩小特征尺度并增加特征的感受野，所述第二特征提取处理用于保持特征的尺度不变并增加特征的深度。

3.根据权利要求2所述的采样框的生成方法，其特征在于，利用所述神经网络对所述待处理图像依次进行卷积、第一特征提取处理、第二特征提取处理以及下采样，获得所述多个特征图像，包括：

利用所述神经网络对所述待处理图像进行所述卷积，获得第一特征，对所述第一特征依次进行所述第一特征提取处理以及所述第二特征提取处理，获得第二特征，以及对第二特征依次进行所述第一特征提取处理以及所述第二特征提取处理，获得第一特征图像；

利用所述神经网络对所述第一特征图像依次进行所述第一特征提取处理以及所述第二特征提取处理，获得第二特征图像；

利用所述神经网络对所述第二特征图像依次进行所述第一特征提取处理以及所述第二特征提取处理，获得第三特征图像；

利用所述神经网络对所述第三特征图像进行所述下采样，获得第四特征图像；

利用所述神经网络对所述第四特征图像进行所述下采样，获得第五特征图像，其中，所述多个特征图像包括：所述第一特征图像、所述第二特征图像、所述第三特征图像、所述第四特征图像以及所述第五特征图像。

4.根据权利要求3所述的采样框的生成方法，其特征在于，所述第一特征提取处理的流程，包括：

利用所述神经网络中预设的多个卷积分支对输入特征分别进行卷积处理，对应获得多个卷积特征，其中，任意两个所述卷积分支的卷积核尺寸不同，所述输入特征对应为所述第一特征、所述第二特征、所述第一特征图像或所述第二特征图像；

利用所述神经网络将所述多个卷积特征融合，获得需要进行所述第二特征提取处理的融合特征。

5.根据权利要求3所述的采样框的生成方法，其特征在于，所述第二特征提取处理的流程，包括：

利用所述神经网络对需要处理的特征进行尺度不变的多次卷积，获得卷积特征；

利用所述神经网络将所述卷积特征与所述需要处理的特征融合，获得输出特征。

6.根据权利要求1所述的采样框的生成方法，其特征在于，对所述待处理图像中的各采样框进行去重，以为每个所述对象留下一个框住该对象的采样框，包括：

在所述各采样框中确定出相互重叠的采样框；

在所述相互重叠的采样框中，将除面积最大的采样框以外的采样框删除，以为每个所述对象留下一个框住该对象的采样框。

7.根据权利要求1所述的采样框的生成方法，其特征在于，获得包含对象的待处理图像，包括：

获得包含所有对象的原图像；

以预设的步长将所述原图像分割成多张子图像；

从所述多张子图像中获取本次需要处理的所述待处理图像。