[发明专利]一种深度学习网络的训练方法和装置

摘要

本发明属于计算机视觉技术领域，提供了一种深度学习网络的训练方法和装置。所述方法包括：将训练集中的图像分割为多个不同的patch；将所述多个不同的patch转换为包括多个不同尺度的图像的图像集；对所述图像集进行尺度归一化，并将归一化后的图像集输入至深度神经网络系统，以训练所述深度神经网络系统。通过本发明提高了深度学习训练中特征局部提取的精度。

主权项

1.一种深度学习网络的训练方法，其特征在于，所述方法包括：将训练集中的图像分割为多个不同的patch，其中，所述patch是在训练集中的图像中抠出的任意大小的图像区域；将所述多个不同的patch转换为包含多个不同尺度的图像的图像集；对所述图像集进行尺度归一化，并将归一化后的图像集输入至深度神经网络系统，以训练所述深度神经网络系统；所述将训练集中的图像分割为多个不同的patch，具体包括：获取训练集，所述训练集包括输入图像和所述输入图像对应的ground truth，其中，所述ground truth是一张人工标定像素标记的图像；设置一个固定大小的滑动窗口，以一定的步长滑动分割所述输入图像及其所对应的ground truth，将所述输入图像及其所对应的ground truth分别分割为多个不同的patch，其中，根据图像的信息确定步长，要求所述训练集中正样本多时步长要短，要求所述训练集中负样本多时步长要长；根据所述输入图像的patch的像素，在所述输入图像的patch所对应的所述ground truth的patch上进行像素标记；对所述输入图像的patch和所述ground truth的patch进行尺度归一化；在训练好所述深度神经网络系统之后，还包括：将待处理图像输入至所述深度神经网络系统，通过所述深度神经网络的层级学习后，在所述深度神经网络系统的最后一层全连接层采用pixel‑wise对所述待处理图像中每一个像素进行预测，以确定所述像素的分类，其中，所述pixel‑wise是指逐像素。