[发明专利]目标图像提取方法、神经网络训练方法和装置

权利要求书

1.一种目标图像提取方法，包括：

获取输入图像；

识别所述输入图像中是否包含属于目标类别的对象；

响应于所述输入图像中包含属于所述目标类别的对象且所述对象具有第一外观形态，输出目标图像；以及

响应于所述输入图像中包含属于所述目标类别的对象且所述对象具有不同于所述第一外观形态的第二外观形态，不输出所述目标图像，其中，

所述目标图像是所述输入图像中的包含所述对象的局部区域。

2.根据权利要求1所述的方法，其中，具有所述第一外观形态的对象是满足清晰度指标的对象，并且具有所述第二外观形态的对象是不满足清晰度指标的对象。

3.根据权利要求1或2所述的方法，其中，具有所述第一外观形态的对象是完整的对象，并且具有所述第二外观形态的对象是部分被遮挡的对象。

4.根据权利要求1或2所述的方法，其中，具有所述第一外观形态的对象是具有第一纹理特征的对象，并且具有所述第二外观形态的对象是具有与所述第一纹理特征不同的第二纹理特征的对象。

5.根据权利要求1或2所述的方法，其中，所述目标类别表征含有文本的对象，并且其中，具有所述第一外观形态的对象是文字边界连续的对象，并且具有所述第二外观形态的对象是文字边界不连续的对象。

6.根据权利要求1所述的方法，

其中，所述方法是通过神经网络来进行的，

其中，判断所述输入图像中是否包含属于目标类别的对象包括：

通过所述神经网络中的第一子网络，输出所述输入图像中属于所述目标类别的对象所位于的一个或多个候选区域；并且

其中，响应于所述输入图像中包含属于所述目标类别的对象且所述对象具有第一外观形态，输出目标图像包括通过所述神经网络中的第二子网络，对所述一个或多个候选区域中的每一个：

计算所述候选区域中的对象的外观属性值，

基于经计算的外观属性值落入第一外观属性值区间，输出所述候选区域作为所述目标图像。

7.根据权利要求6所述的方法，其中，所述神经网络是端到端训练的。

8.一种神经网络的训练方法，

使用其中存在属于目标类别的对象的图像作为正样本集合，并且使用其中不存在属于所述目标类别的对象的图像作为负样本集合，对所述神经网络进行训练；

其中，所述正样本集合包括第一正样本子集和第二正样本子集，所述第一正样本子集中的图像包括具有第一外观形态的对象，并且所述第二正样本子集中的图像包括具有第二外观形态的对象，并且

其中，对所述神经网络进行训练还包括，

计算样本的外观属性值；

对所述神经网络的参数进行调整，使得所述第一正样本子集中的样本的外观属性值落入第一外观属性值区间中，并且所述第二正样本子集中的样本的外观属性值落入第二外观属性值区间中，所述第二外观属性值区间与所述第一外观属性值区间不重叠。

9.根据权利要求8所述的方法，其中，所述第一正样本子集中的对象是满足清晰度指标的对象，并且所述第二正样本子集中的对象是不满足所述清晰度指标的对象。

10.根据权利要求8或9所述的方法，其中，所述第一正样本子集中的对象是完整的对象，并且所述第二正样本子集中的对象是部分被遮挡的对象。

11.根据权利要求8或9所述的方法，其中，所述第一正样本子集中的对象是具有第一纹理特征的对象，并且所述第二正样本子集中的对象是具有与所述第一纹理特征不同的第二纹理特征的对象。

12.根据权利要求8或9所述的方法，其中，所述目标类别表征含有文本的对象，并且其中，所述第一正样本子集中的对象是文字边界连续的对象，并且所述第二正样本子集中的对象是文字边界不连续的对象。