[发明专利]神经网络的训练方法、物体检测方法、装置和电子设备有效
| 申请号： | 201710160611.6 | 申请日： | 2017-03-17 |
| 公开（公告）号： | CN108229675B | 公开（公告）日： | 2021-01-01 |
| 发明（设计）人： | 王宇龙;闫俊杰 | 申请（专利权）人： | 北京市商汤科技开发有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04 |
| 代理公司： | 北京康达联禾知识产权代理事务所(普通合伙) 11461 | 代理人： | 罗延红;刘洁 |
| 地址： | 100084 北京市海淀区中*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供一种神经网络的训练方法、物体检测方法、装置和电子设备。深度神经网络模型的训练方法包括：获取从样本图像提取的多个区域候选框及其预测准确信息；根据多个区域候选框及其预测准确信息确定第一深度神经网络的状态特征数据；通过第一深度神经网络，从尚未被检测到的第一区域候选框中检测被选中概率最高的第二区域候选框，并根据第二区域候选框以及第一区域候选框的被选中概率的数据，更新第一深度神经网络的状态特征数据；为多个区域候选框确定检测反馈数据；根据检测反馈数据，调整第一深度神经网络的网络参数。能够适应地调整作为物体区域候选框的筛选机制，从而使得训练得到的深度神经网络克服召回率低、漏选、误报等问题。 | ||
| 搜索关键词： | 神经网络 训练 方法 物体 检测 装置 电子设备 | ||
【主权项】：
1.一种深度神经网络模型的训练方法，包括：获取从样本图像提取的目标物体的多个区域候选框以及所述多个区域候选框的预测准确信息；根据所述多个区域候选框及其预测准确信息，确定用于进行物体检测的第一深度神经网络的状态特征数据；通过所述第一深度神经网络，从所述多个区域候选框包括的当前尚未被检测到的第一区域候选框中检测第二区域候选框，所述第二区域候选框为被选中概率最高的第一区域候选框，并根据所述第二区域候选框以及所述第一区域候选框的被选中为第二区域候选框的概率的数据，更新第一深度神经网络的状态特征数据；基于所述多个区域候选框被检测的结果，为所述多个区域候选框确定检测反馈数据；根据所述检测反馈数据，调整具有更新过的状态特征数据的所述第一深度神经网络的网络参数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京市商汤科技开发有限公司，未经北京市商汤科技开发有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710160611.6/，转载请声明来源钻瓜专利网。
