[发明专利]图像数据的神经网络训练和测试方法及设备

说明书

本发明的目的是提供一种图像数据的神经网络训练方法和测试及设备，本发明使用YUV图像格式数据进行神经网络的离线学习和在线测试，送入到神经网络中的图像亮度信息或者图像色彩信息，是正交化最好的亮度信息和色彩信息。本发明直接使用YUV格式的视频数据全部分量数据训练神经网络，可以比用RGB格式训练神经网络节省图像格式转换时间。当神经网络处理的对象是网络摄像头抓取的图像数据或者是视频流数据时，本发明能够避免图像格式转换带来的额外计算量，提高时间效率。本发明能够保证在RGB格式下训练的神经网络精度，同时提高算法的整体效率。

技术领域

本发明涉及计算机领域，尤其涉及一种视频流数据的神经网络训练和测试方法及设备。

背景技术

类似Faster-RCNN、YOLO、SSD等经典的神经网络，训练和测试过程中使用的图像数据都是RGB格式的。当将这些神经网络应用到摄像头数据或者视频流数据时，需要先将数据从YUV格式转换到RGB格式，这使得该过程不仅耗费计算资源，同时也增加了时间成本。

发明内容

本发明的一个目的是提供一种图像数据的神经网络训练方法和测试及设备。

根据本发明的一个方面，提供了一种图像数据的神经网络训练和测试方法，该方法包括：

获取YUV格式的视频数据集；

将所述YUV格式的视频数据集输入神经网络进行训练，得到训练完成的神经网络模型；

获取待测试的YUV格式的视频数据；

将所述待测试的YUV格式的视频数据输入所述训练完成的神经网络模型，得到所述待测试的YUV格式的视频数据的识别结果。

进一步的，上述方法中，将所述YUV格式的视频数据集输入神经网络进行训练，得到训练完成的神经网络模型，包括：

判断神经网络模型的识别结果是否与YUV格式的视频数据的UV分量信息关联，

若与YUV格式的视频数据的UV分量信息关联，则将所述YUV格式的视频数据集输入三通道的神经网络进行训练，得到训练完成的第二神经网络模型。

进一步的，上述方法中，判断神经网络模型的识别结果是否与YUV格式的视频数据的UV分量信息关联之后，还包括：

若不与YUV格式的视频数据的UV分量信息关联，则将所述YUV格式的视频数据集中的Y分量信息输入一通道的神经网络进行训练，得到训练完成的第一神经网络模型。

进一步的，上述方法中，将所述待测试的YUV格式的视频数据输入所述训练完成的神经网络模型，得到所述待测试的YUV格式的视频数据的识别结果，包括：

判断神经网络模型的识别结果是否与YUV格式的视频数据的UV分量信息关联，

若关联，则将所述待测试的YUV格式的视频数据输入所述训练完成的第二神经网络模型，得到所述待测试的YUV格式的视频数据的识别结果；

若不关联，则将所述待测试的YUV格式的视频数据中的Y分量信息输入所述训练完成的第一神经网络模型，得到所述待测试的YUV格式的视频数据的识别结果。

进一步的，上述方法中，获取YUV格式的视频数据集，包括：

获取RGB格式的视频数据集；

将所述RGB格式的视频数据集转化为YUV格式的视频数据集。

进一步的，上述方法中，将所述RGB格式的视频数据集转化为YUV格式的视频数据集，包括：

判断神经网络模型的识别结果是否与YUV格式的视频数据的UV分量信息关联，