[发明专利]网络训练方法及装置、目标识别方法及装置和电子设备

权利要求书

1.一种网络训练方法，其特征在于，所述方法包括：

对于目标识别网络的第n轮训练，将训练集中的第一样本图像输入第n-1轮训练的目标识别网络中处理，得到所述第一样本图像的第一识别结果，所述目标识别网络用于对待处理图像进行目标识别，n为正整数；

根据所述第一样本图像的标注结果及所述第一识别结果，通过第n-1轮的多个第一损失函数，分别对所述第n-1轮训练的目标识别网络进行训练，得到多个第n中间状态的目标识别网络；

根据所述多个第n中间状态的目标识别网络，确定第n轮训练的目标识别网络；

根据所述第一损失函数的超参数优化函数及采样分布，更新所述第n-1轮的多个第一损失函数的超参数，得到第n轮的多个第一损失函数；

在满足训练条件的情况下，得到训练后的目标识别网络；

其中，所述第一损失函数包括线性分段函数，所述线性分段函数包括M个分段子区间和M+1个超参数，所述线性分段函数的定义域的范围为-1至1，M为大于1的整数。

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：

根据所述采样分布对第一损失函数进行初始化，得到初始的多个第一损失函数；

根据目标识别网络进行随机初始化，得到初始的多个目标识别网络；

其中，在n＝1的情况下，第n-1轮训练的目标识别网络包括所述初始的多个目标识别网络，第n-1轮的多个第一损失函数为所述初始的多个第一损失函数。

3.根据权利要求1所述的方法，其特征在于，所述根据所述多个第n中间状态的目标识别网络，确定第n轮训练的目标识别网络，包括：

针对所述多个第n中间状态的目标识别网络中的任意一个，将测试集中的第二样本图像输入所述第n中间状态的目标识别网络中处理，得到所述第二样本图像的第二识别结果；

根据所述第二样本图像的标注结果及所述第二识别结果，确定所述第n中间状态的目标识别网络回报信息；

根据所述多个第n中间状态的目标识别网络的回报信息，从所述多个第n中间状态的目标识别网络中，确定出第n轮训练的目标识别网络。

4.根据权利要求3所述的方法，其特征在于，根据所述第一损失函数的超参数优化函数及采样分布，更新所述第n-1轮的多个第一损失函数的超参数，得到第n轮的多个第一损失函数，包括：

根据所述多个第n中间状态的目标识别网络的回报信息以及所述超参数优化函数，更新所述第一损失函数的采样分布的参数；

根据更新后的采样分布，分别更新所述第n-1轮的多个第一损失函数的超参数，得到第n轮的多个第一损失函数。

5.根据权利要求1所述的方法，其特征在于，所述线性分段函数满足第一约束条件，所述第一约束条件包括：所述线性分段函数的一阶导数大于或等于0；所述线性分段函数的一阶导数不是固定值；在自变量为x的情况下，所述线性分段函数的函数值小于或等于自变量x；以及在自变量为1的情况下，所述线性分段函数的函数值大于或等于0；

其中，所述线性分段函数的M+1个超参数满足第二约束条件，所述第二约束条件包括：第j个超参数小于或等于第j+1个超参数，第M+1个超参数大于或等于0并且小于或等于1；以及第j个超参数小于或等于第j个分段子区域的右端点，1≤j≤M。

6.一种目标识别方法，其特征在于，所述方法包括：

将待处理图像输入目标识别网络中处理，得到所述待处理图像的识别结果，所述识别结果包括所述待处理图像中的目标区域，

其中，所述目标识别网络是根据权利要求1-5中任意一项所述的网络训练方法训练得到的。