[发明专利]神经网络训练及图像分类方法、装置、存储介质、设备

权利要求书

1.一种神经网络训练方法，其特征在于，包括：

将样本图像分别输入教师网络和学生网络，得到所述教师网络输出的第一特征图，以及所述学生网络输出的第二特征图；

基于所述第一特征图包括的特征信息，确定第一关联特征信息，以及基于所述第二特征图包括的特征信息，确定第二关联特征信息；

基于所述第二关联特征信息相对于所述第一关联特征信息的差异，对所述学生网络进行监督训练。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述第一特征图，确定目标区域；

基于所述目标区域以及所述第一特征图，确定第一目标特征图，以及基于所述目标区域以及所述第二特征图，确定第二目标特征图；

所述基于所述第一特征图包括的特征信息，确定第一关联特征信息，以及基于所述第二特征图包括的特征信息，确定第二关联特征信息，包括：

基于所述第一目标特征图包括的特征信息，确定所述第一关联特征信息，以及基于所述第二目标特征图包括的特征信息，确定所述第二关联特征信息。

3.根据权利要求2所述的方法，其特征在于，所述样本图像的所述目标区域包括目标对象，和/或，所述样本图像中除所述目标区域以外的区域包括如下至少一项：背景部分、所述目标对象被遮挡的部分。

4.根据权利要求2或3所述的方法，其特征在于，所述基于所述第一特征图，确定目标区域，包括：

将所述第一特征图输入预先训练好的第一神经网络，得到所述第一神经网络输出的所述样本图像包括的多个区域中每个区域对应的像素归一化值；

将所述像素归一化值大于或等于预设值的区域作为所述目标区域。

5.根据权利要求4所述的方法，其特征在于，所述基于所述目标区域以及所述第一特征图，确定第一目标特征图，以及基于所述目标区域以及所述第二特征图，确定第二目标特征图，包括：

将所述多个区域中每个区域对应的像素归一化值与所述第一特征图包括的特征信息进行点乘，得到第一注意力特征图，以及将所述多个区域中每个区域对应的像素归一化值与所述第二特征图包括的特征信息进行点乘，得到第二注意力特征图；

基于所述第一注意力特征图上的所述目标区域，得到所述第一目标特征图，以及基于所述第二注意力特征图上的所述目标区域，得到所述第二目标特征图。

6.根据权利要求4或5所述的方法，其特征在于，所述第一神经网络包括多个第一网络层和第一输出层，第二神经网络包括多个第二网络层和第二输出层，其中，所述多个第二网络层的网络结构与所述多个第一网络层的网络结构相同；

所述方法还包括：

将所述第一特征图作为所述第二神经网络的输入，得到所述第二神经网络输出的分类结果；

基于所述第二神经网络输出的分类结果相对于所述样本图像中标注的分类结果的差异，对所述第二神经网络进行监督训练；

将训练完成的所述第二神经网络包括的所述多个第二网络层的网络参数，作为所述第一神经网络包括的所述多个第一网络层的网络参数。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述基于所述第一特征图包括的特征信息，确定第一关联特征信息，包括：

基于所述第一特征图上不同区域的特征信息之间的相似度，确定所述第一关联特征信息；

所述基于所述第二特征图包括的特征信息，确定第二联特征信息，包括：

基于所述第二特征图上不同区域的特征信息之间的相似度，确定所述第二关联特征信息。