[发明专利]神经网络模型优化的评估方法、存储介质和计算机

权利要求书

1.一种神经网络模型优化的评估方法，其特征在于，其包括：

将被检测图像输入已训练的神经网络模型得到被检测图像的检测结果图；

自动识别被检测图像的标注图的轮廓，自动识别被检测图像的检测结果图的轮廓；

将被检测图像的标注图的轮廓与被检测图像的检测结果的轮廓进行对比，将被检测图像中的漏检位置、过检位置和检出位置的部分裁剪下来分别保存到漏检文件夹、过检文件夹和检出文件夹。

2.如权利要求1所述的神经网络模型优化的评估方法，其特征在于，其还包括：

利用漏检和/或过检的被检测图像重新对所述神经网络模型进行优化，以使得优化后的神经网络模型在再次检测漏检和/或过检的被检测图像时，在原来的漏检位置和过检位置不再出现漏检和/或过检。

3.如权利要求1所述的神经网络模型优化的评估方法，其特征在于，

在将被检测图像的标注图的轮廓与被检测图像的检测结果的轮廓进行对比时，如果在所述标注图中找到的轮廓但未在所述检测结果图中对应位置找到，则将所述被检测图像中对应位置的部分裁剪下来，归类为漏检，保存入漏检文件夹中；和/或

在将被检测图像的标注图的轮廓与被检测图像的检测结果的轮廓进行对比时，如果在所述检测结果图中找到的轮廓在所述标注图中对应位置未能找到，则将所述被检测图中对应位置的部分裁剪下来，归类为过检，保存入过检文件夹中；和/或

在将被检测图像的标注图的轮廓与被检测图像的检测结果的轮廓进行对比时，如果在所述检测结果图中找到的轮廓在所述标注图中对应位置也能找到，将所述被检测图像中对应位置的部分裁剪下来，归类为检出，保存入检出文件夹中。

4.如权利要求3所述的神经网络模型优化的评估方法，其特征在于，

若轮廓区域处在边缘且以轮廓中心裁剪的小图超出所述检测图像边缘时，则需要按照设置的填充参数填充超出部分，然后再将被检测图像中对应位置的部分裁剪下来。

5.如权利要求4所述的神经网络模型优化的评估方法，其特征在于，其还包括：

设置裁剪参数和填充参数，其中所述裁剪参数包括裁剪区域的尺寸和/或形状，所述填充参数包括填充方式、填充颜色和边缘轮廓扩展像素。

6.如权利要求1所述的神经网络模型优化的评估方法，其特征在于，

提前设置标注图路径、检测结果图路径、漏检保存路径、过检保存路径和检出保存路径。

7.如权利要求1所述的神经网络模型优化的评估方法，其特征在于，

自动识别被检测图像的标注图或检测结果图的轮廓包括：

利用轮廓提取算法对被检测图像的标注图或检测结果图进行轮廓提取，得到关于被检测图像的标注图或检测结果图的轮廓集合。

8.一种存储介质，其特征在于，其存储有程序指令，在所述程序执行被运行以执行如权利要求1-7任一所述的神经网络模型优化的评估方法。

9.一种计算机，其特征在于，其包括处理器和存储器，所述存储器中存储有程序指令，所述处理器运行所述程序指令以执行如权利要求1-7任一所述的神经网络模型优化的评估方法。