[发明专利]用于多层次图像轮廓信息提取的神经网络训练方法及装置

说明书

本发明公开了一种用于多层次图像轮廓信息提取的神经网络训练方法及装置，该方法包括：确定特征提取网络训练模型的网络架构；所述特征提取网络训练模型包括特征提取网络模型和连接至所述特征提取网络模型的输出的单通道特征卷积层；将轮廓训练图像集输入至特征提取网络训练模型进行训练，直到所述特征提取网络训练模型的第一损失函数收敛，以得到训练后的所述特征提取网络模型。可见，本发明可以使得训练得到的网络模型能够用于准确提取到输入图像的多通道多层次的轮廓信息，以便于后续依据该轮廓信息进行图像识别任务时，提高图像识别任务的效率和准确率。

技术领域

本发明涉及神经网络技术领域，尤其涉及一种用于多层次图像轮廓信息提取的神经网络训练方法及装置。

背景技术

在现有的商业模式中,图像往往比文字更有吸引力,其展示和推广效果更加显著。因此,图像开始承担更多的商品或服务宣传的功能，在这种情况下，为了识别出图像的特征，如何提取出图像的轮廓信息有着重要的意义。

现有的图像轮廓信息的提取算法，一般仅用于提取出图像的单一层次的轮廓信息，没有考虑到多层次的图像轮廓信息在用于图像识别领域的优势，可见，现有的图像轮廓信息的提取算法存在缺陷，亟需得到解决。

发明内容

本发明所要解决的技术问题在于，提供一种用于多层次图像轮廓信息提取的神经网络训练确定方法及装置，可以使得训练得到的网络模型能够用于准确提取到输入图像的多通道多层次的轮廓信息，以便于后续依据该轮廓信息进行图像识别任务时，提高图像识别任务的效率和准确率。

为了解决上述技术问题，本发明第一方面公开了一种用于多层次图像轮廓信息提取的神经网络训练方法，所述方法包括：

确定特征提取网络训练模型的网络架构；所述特征提取网络训练模型包括特征提取网络模型和连接至所述特征提取网络模型的输出的单通道特征卷积层；所述特征提取网络模型用于输出输入图像的多通道多层次的第一图像轮廓特征信息；所述单通道特征卷积层用于将所述特征提取网络模型输出的第一图像轮廓特征信息处理成单通道的图像轮廓特征信息；

将轮廓训练图像集输入至特征提取网络训练模型进行训练，直到所述特征提取网络训练模型的第一损失函数收敛，以得到训练后的所述特征提取网络模型。

作为一种可选的实施方式，在本发明第一方面中，所述图像轮廓特征信息为多通道多层次的图像轮廓特征信息；所述特征提取网络模型包括有多个用于分别提取不同层次的轮廓特征的特征提取层和相应的多个用于统一尺寸的尺寸统一层；所述将轮廓训练图像集输入至特征提取网络训练模型进行训练，直到所述特征提取网络训练模型的第一损失函数收敛，以得到训练后的所述特征提取网络模型，包括：

将轮廓训练图像集输入至多个所述特征提取层，以输出多个不同尺寸的图像轮廓特征；

将每一所述特征提取层输出的所述图像轮廓特征输入至对应的所述尺寸统一层，以得到多个同一尺寸的图像轮廓特征；

将所述多个同一尺寸的图像轮廓特征进行融合，以得到所述第一图像轮廓特征信息；

将所述第一图像轮廓特征信息输入至所述单通道特征卷积层，以得到单通道的图像轮廓特征信息；

重复上述步骤，基于反向传播更新所述特征提取网络模型的模型参数，直到第一损失函数收敛，以得到训练后的所述特征提取网络模型。

作为一种可选的实施方式，所述轮廓训练图像集包括有多个经标注的轮廓训练图像；所述第一损失函数为所述单通道的图像轮廓特征信息与对应的轮廓训练图像之间的交叉熵损失。

作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：

将训练图像集输入至训练后的所述特征提取网络模型进行特征提取，以得到第二图像轮廓特征信息；