[发明专利]图像识别网络生成方法及装置、存储介质及电子设备

说明书

本公开提供一种图像识别网络生成方法及装置、计算机可读存储介质及电子设备；涉及神经网络技术领域。所述方法包括：获取各原始图像及对应的标注文件，所述标注文件包括对所述原始图像的标注信息；依据所述标注信息得到所述原始图像的掩膜图像及类型标签，将所述原始图像、所述掩膜图像及所述类型标签作为训练数据，并基于所述训练数据对预搭建的神经网络进行训练，得到所述图像识别网络；其中，所述预搭建的神经网络的输出层包括所述原始图像的掩膜输出及类别输出。本公开在网络训练时，可以通过利用标注信息实现细粒度的检测分类，提高图像识别网络的准确度和泛化性能，还可以简化检测流程，提高效率。

技术领域

本公开涉及神经网络技术领域，具体而言，涉及图像识别网络生成方法、图像识别网络生成装置、图像识别方法、图像识别装置、电子设备以及计算机可读存储介质。

背景技术

神经网络特有的非线性适应性信息处理能力克服了传统人工智能方法在处理直觉及非结构化信息等方面的缺陷，具有自适应、自组织和实时学习的特点，使得其在专家系统、模式识别、智能控制、组合优化、预测等领域得到了广泛的应用。

神经网络的训练对其应用有着重要的作用，适当的网络结构及训练算法可以得到准确度及泛化性能较好的神经网络，进而可以更好的完成对应的识别及分类等任务。

目前用于图像识别的神经网络存在信息利用不充分或检测流程繁琐等问题，因而，需要针对这一问题提供一种图像识别网络生成方法，该方法在进行网络训练时，既可以对标注信息充分利用，又可以保证端对端的检测，因而可以提高网络的准确度和泛化性能，且可以简化检测流程，提高检测效率。

上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例提供图像识别网络生成方法及装置、图像识别方法及装置、电子设备以及计算机可读存储介质，可以实现在进行网络训练时，既可以对标注信息充分利用，又可以保证端对端的检测，进而可以提高网络的准确度和泛化性能，简化检测流程，提高检测效率。

根据本公开的第一方面，提供一种图像识别网络生成方法，包括：

获取各原始图像及对应的标注文件，所述标注文件包括对所述原始图像的标注信息；

依据所述标注信息得到所述原始图像的掩膜图像及类型标签，将所述原始图像、所述掩膜图像及所述类型标签作为训练数据，并基于所述训练数据对预搭建的神经网络进行训练，得到所述图像识别网络；

其中，所述预搭建的神经网络的输出层包括所述原始图像的掩膜输出及类别输出。

在本公开的一种示例性实施例中，所述标注信息包括对所述原始图像的有效区域及类型进行的标注，所述有效区域包括待识别区域，所述待识别区域包含所述原始图像的类别特征。

在本公开的一种示例性实施例中，所述依据所述标注信息得到所述原始图像的掩膜图像，包括：

依据所述标注信息获取对所述有效区域及所述待识别区域的点标注，并基于所述点标注获取所述原始图像的掩膜图像。

在本公开的一种示例性实施例中，所述基于所述训练数据对预搭建的神经网络进行训练，得到所述图像识别网络，包括：

通过所述预搭建的神经网络的卷积层对所述原始图像进行特征提取，得到多个尺度特征图；

对各所述尺度特征图进行特征融合及归一化处理，得到所述原始图像的预测类别；

对各所述尺度特征图进行向上采样，得到与所述原始图像尺度相同的掩膜输出；

依据所述预测类别和所述类型标签，以及所述掩膜输出及所述掩膜图像对所述预搭建的神经网络进行参数迭代，直至得到所述图像识别网络。